适合在R中的正常分布

Question

从标题，我有一些数据大致是正常分布，我想找到它的两个基本组件。

我拟合到数据分配两个正常的与装置和M时和米和标准偏差和S 和s 。两个高斯由权重因子，例如缩放使得w + W = 1

我能成功此使用的vglm功能做VGAM包如：

fitRes <- vglm(mydata ~ 1, mix2normal1(equalsd=FALSE), 
      iphi=w, imu=m1, imu2=m2, isd1=s1, isd2=s2)) 

这是痛苦的缓慢，根据数据可能需要几分钟，但我可以忍受。

现在我想看看我的数据分布随着时间的变化如何变化，所以基本上我会在几个（30-50）块中分解我的数据，并为每个块重复适合过程。

所以，这里的问题：

1）我如何加快入处理？我试图使用nls或mle，它看起来更快，但大部分未能很好地适应（但成功地获得了这些功能可能导致的所有可能的错误）。也就是我不清楚如何施加限制与这些功能（瓦特在[0; 1]和瓦特 + W = 1）

2）我如何自动地选择一些很好的起点参数（我知道这是一个100万美元的问题，但你永远不会知道，也许有人有答案）？现在我有一个小界面，可以让我选择参数并直观地看到最初的分布是什么样子，这非常酷，但我想自动完成此任务。

我认为依赖于y的第三和第四四分位数对应的x作为两个平均值的起始参数？你做这件事是否合理？

Answer 1

首先第一件事情：

• 你尝试搜索fit mixture model上RSeek.org？
• 你看过Cluster Analysis + Finite Mixture Modeling任务视图吗？

对混合模型有很多研究，所以你可能会发现一些东西。