如何在R中用极大似然估计(MLE)为数据框中每个词估计负二项分布参数？

好的，我来帮你解决这个问题——在R里用极大似然估计（MLE）拟合负二项分布的参数(r,p)，不管是单个向量还是数据框里每个词对应的向量都能搞定。

首先得明确负二项分布的参数定义：这里我们用的是**(r, p)**形式，其中r是形状参数（正实数），p是每次试验的成功概率（0 < p < 1），对应的概率质量函数为：

P(X = k) = \binom{k + r - 1}{k} p^r (1-p)^k ，k = 0,1,2,...

方法1：用MASS包的fitdistr函数（快速便捷） #

fitdistr是R里做MLE拟合的常用工具，已经封装好了负二项分布的拟合逻辑，调用起来很省心：

# 1. 定义你的数据向量
word_a <- c(141,97,103,158,71,101)

# 2. 加载MASS包（R自带的推荐包，无需额外安装）
library(MASS)

# 3. 拟合负二项分布
nb_fit <- fitdistr(word_a, distr = "negative binomial")

# 查看结果
print(nb_fit)

运行结果里的estimate部分：

• size对应的就是我们要的r参数
• prob对应的就是p参数

同时结果还会给出参数的标准误，方便你做后续的统计推断。

方法2：手动写对数似然函数+optim优化（理解原理） #

如果你想搞懂MLE的底层逻辑，可以自己定义对数似然函数，再用optim来最大化它（注意optim默认是最小化，所以我们要把对数似然取负）：

# 定义负二项分布的负对数似然函数（适配optim的最小化逻辑）
neg_log_likelihood <- function(par, x) {
  r <- par[1]
  p <- par[2]
  
  # 参数合法性检查：r必须>0，p必须在(0,1)之间
  if (r <= 0 || p <= 0 || p >= 1) {
    return(Inf)
  }
  
  # 计算对数似然总和后取负
  ll <- sum(dnbinom(x, size = r, prob = p, log = TRUE))
  return(-ll)
}

# 生成初始参数猜测（用样本均值和方差推导）
mu <- mean(word_a)
var_x <- var(word_a)
# 负二项分布中，方差var = mu + mu²/r → 解出r的初始值
r_init <- mu^2 / (var_x - mu)
p_init <- mu / (mu + r_init)
initial_par <- c(r_init, p_init)

# 用optim做优化
optim_result <- optim(par = initial_par, fn = neg_log_likelihood, x = word_a)

# 提取MLE估计的参数
r_mle <- optim_result$par[1]
p_mle <- optim_result$par[2]

cat("手动拟合的r参数：", round(r_mle, 4), "\n")
cat("手动拟合的p参数：", round(p_mle, 4), "\n")

这个方法的好处是你可以自定义参数约束或调整优化逻辑，适合更复杂的场景。

假设你的数据框是类似这样的结构：

你可以用dplyr按词分组，批量拟合每个组的参数：

library(dplyr)

# 构造示例数据框
word_counts <- tibble(
  word = rep(c("word_a", "word_b"), each = 6),
  count = c(141,97,103,158,71,101, 50,62,45,58,42,55)
)

# 批量拟合每个词的负二项参数
nb_params <- word_counts %>%
  group_by(word) %>%
  summarise(
    r = fitdistr(count, "negative binomial")$estimate["size"],
    p = fitdistr(count, "negative binomial")$estimate["prob"],
    .groups = "drop"
  )

print(nb_params)

这样就能快速得到每个词对应的(r,p)参数估计值了。

内容的提问来源于stack exchange，提问作者Roman