-
响应时间模型的分布函数： 分布函数或概率密度函数（PDF） 累积分布函数 随机数生成
-
当前支持以下可选RT模型： 扩散模型（使用Andreas和Jochen Voss的快速dm C代码） 漂移率变化分布的LBA
-
来自CRAN： install.packages（“rtdists”） -
Github的开发版本： 注意，用于安装开发版本包 开发工具 可能需要一些附加软件（请参见 在这里 “入门”部分） 开发工具：：install_github（“rtdists/rtdists”）
要求（rtdists） ##LBA：恢复参数 rt1<-rLBA（500，A=0.5，b=1，t0=0.5，平均值v=c（2.4，1.6），sd=c（1,1.2）） 封头（rt1） #rt响应 # 1 0.9618439 1 # 2 1.4018867 1 # 3 1.2188635 2 # 4 1.2192848 2 # 5 1.3690870 1 # 6 0.9478666 2 prop.table（表格（rt1$响应）） # # 1 2 # 0.67 0.33 objective_fun<-函数（par，rt，response，distribution=“norm”）{ #简单参数 spar<-par[！grepl（“[12]$”，名称（par））] #分布参数： dist_par_names<-唯一（sub（“[12]$”，“”，grep（“[12]$”，名称（par），值=TRUE）） dist_par<-vector（“列表”，长度=长度（dist_par_names）） 名称（dist_par）<-dist_par_names for（dist_par_names中的i）dist_par[[i]]<-as.list（unname（par[grep（i，name（par））]） dist_par$sd_v<-c（1，dist_par$sd_v） #求和对数似然： d<-do.call（dLBA，args=c（rt=列表（rt），response=列表（响应），spar，dist_par， distribution=分布，silent=TRUE）） if（any（d==0））返回（1e6） else返回（-sum（log（d））） } objective_fun（c（A=0.5，b=1，t0=0.5，平均v1=2.4，平均v2=1.6，sd_v1=1.2）， rt=rt1$rt，响应=rt1$响应） # [1] -80.07828 init_par<-c（运行条件（3，0，0.5），运行条件（3,0.5，2）） 名称（init_par）<-c（“A”、“b”、“t0”、“mean_v1”、“mean_v2”、“sd_v2“） nlminb（objective_fun，start=init_par，rt=rt1$rt，response=rt1$响应，lower=0） #每股美元 #A b t0表示v1表示v2 sd_v1 # 0.6132217 0.9290514 0.5308384 2.1996558 1.6219721 0.8583436 # #$目标 # [1] -84.46802 # #$收敛 # [1] 0 # #$次迭代 # [1] 50 # #$个评估 #函数梯度 # 74 332 # #$消息 #[1]“相对收敛（4）” # ##扩散 示例（扩散）