Подгонка кривой плотности к гистограмме в R
-
19-09-2019 - |
Вопрос
Есть ли функция в R, которая подгоняет кривую к гистограмме?
Допустим, у вас была следующая гистограмма
hist(c(rep(65, times=5), rep(25, times=5), rep(35, times=10), rep(45, times=4)))
Это выглядит нормально, но это искажено.Я хочу подогнать нормальную кривую, которая имеет перекос, чтобы обернуть ее вокруг этой гистограммы.
Этот вопрос довольно простой, но, похоже, я не могу найти ответ на R в Интернете.
Решение
Если я правильно понял ваш вопрос, то вам, вероятно, нужна оценка плотности вместе с гистограммой:
X <- c(rep(65, times=5), rep(25, times=5), rep(35, times=10), rep(45, times=4))
hist(X, prob=TRUE) # prob=TRUE for probabilities not counts
lines(density(X)) # add a density estimate with defaults
lines(density(X, adjust=2), lty="dotted") # add another "smoother" density
Отредактируйте долгое время спустя:
Вот немного более нарядная версия:
X <- c(rep(65, times=5), rep(25, times=5), rep(35, times=10), rep(45, times=4))
hist(X, prob=TRUE, col="grey")# prob=TRUE for probabilities not counts
lines(density(X), col="blue", lwd=2) # add a density estimate with defaults
lines(density(X, adjust=2), lty="dotted", col="darkgreen", lwd=2)
вместе с графиком он производит:
Другие советы
С ggplot2 это легко сделать
library(ggplot2)
dataset <- data.frame(X = c(rep(65, times=5), rep(25, times=5),
rep(35, times=10), rep(45, times=4)))
ggplot(dataset, aes(x = X)) +
geom_histogram(aes(y = ..density..)) +
geom_density()
или имитировать результат решения Дирка
ggplot(dataset, aes(x = X)) +
geom_histogram(aes(y = ..density..), binwidth = 5) +
geom_density()
Вот как я это делаю:
foo <- rnorm(100, mean=1, sd=2)
hist(foo, prob=TRUE)
curve(dnorm(x, mean=mean(foo), sd=sd(foo)), add=TRUE)
Дополнительным упражнением является выполнение этого с помощью пакета ggplot2 ...
Дирк объяснил, как построить график функции плотности поверх гистограммы.Но иногда вы можете захотеть использовать более сильное предположение о искаженном нормальном распределении и построить график этого вместо плотности.Вы можете оценить параметры распределения и построить его с помощью упаковка sn:
> sn.mle(y=c(rep(65, times=5), rep(25, times=5), rep(35, times=10), rep(45, times=4)))
$call
sn.mle(y = c(rep(65, times = 5), rep(25, times = 5), rep(35,
times = 10), rep(45, times = 4)))
$cp
mean s.d. skewness
41.46228 12.47892 0.99527
Вероятно, это лучше работает с данными, которые более асимметричны:
У меня была такая же проблема, но решение Дирка, похоже, не сработало.Я получал это предупреждающее сообщение каждый раз
"prob" is not a graphical parameter
Я прочитал до конца ?hist
и обнаружил около freq: a logical vector set TRUE by default.
код, который сработал для меня, это
hist(x,freq=FALSE)
lines(density(x),na.rm=TRUE)