Я использую R для запуска моделирования, в котором я использую тест отношения правдоподобия для сравнения двух моделей ответа вложенных элементов. Одна версия LRT использует совместную функцию правдоподобия L (θ, ρ), а другая - функцию маргинального правдоподобия L (ρ). Я хочу проинтегрировать L (θ, ρ) по f (θ), чтобы получить маргинальное правдоподобие L (ρ). У меня есть два условия: в одном f (θ) является стандартной нормой (μ = 0, σ = 1), и я понимаю, что я могу просто выбрать количество точек абсцисс, скажем 20 или 30, и использовать Гаусса-Эрмита. квадратурная аппроксимация этой плотности. Но в другом условии f (θ) является линейно преобразованным бета-распределением (a = 1,25, b = 10), где линейное преобразование B '= 11,14 * (B-0,11) таково, что B' также имеет (приблизительно) μ = 0, σ = 1.
Я достаточно запутался в том, как реализовать квадратуру для бета-распределения, но линейное преобразование сбивает меня с толку еще больше. У меня тройной вопрос: (1) могу ли я использовать некоторые вариации квадратуры для аппроксимации f (θ), когда θ распределяется как это линейно преобразованное бета-распределение, (2) как бы я реализовал это в R, и (3) это нелепая трата времени на то, что существует явно более быстрый и лучший способ выполнить эту задачу? (Я попытался написать свою собственную функцию численного приближения, но обнаружил, что моя реализация, ограниченная языком R, была слишком медленной, чтобы ее хватило.)
Спасибо!