-
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)