将密度曲线拟合到 R 中的直方图

Question

R中有没有可以将曲线拟合到直方图的函数？

假设您有以下直方图

hist(c(rep(65, times=5), rep(25, times=5), rep(35, times=10), rep(45, times=4)))

它看起来正常，但它是倾斜的。我想拟合一条倾斜的正态曲线以环绕该直方图。

这个问题相当基本，但我似乎无法在互联网上找到 R 的答案。

Answer 1

Dirk 解释了如何在直方图上绘制密度函数。但有时您可能想要采用更强烈的偏态正态分布假设并绘制它而不是密度。您可以估计分布的参数并使用 sn package< /a>:

> 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 

这可能对于更偏斜正态的数据效果更好：

Answer 2

我遇到了同样的问题，但德克的解决方案似乎不起作用。
每当

"prob" is not a graphical parameter

我阅读 ?hist 并发现 freq: 默认情况下逻辑向量设置为 TRUE 时，

我都会收到此警告消息。对我有用的代码是

hist(x,freq=FALSE)
lines(density(x),na.rm=TRUE)

Answer 3

这是核密度估计，请点击此链接查看该概念及其概念的精彩说明参数。

曲线的形状主要取决于两个元素：1）估计 a 的内核（通常是 Epanechnikov 或 Gaussian）通过输入并权衡所有数据，为 x 坐标中的每个值确定 y 坐标中的点；它是对称的，通常是一个集成为一个的正函数； 2）带宽，越大曲线越平滑，越小曲线越摆动。

针对不同的需求，需要采用不同的套餐，可以参考此文档： R 中的密度估计。对于多元变量，您可以转向多元核密度估计。

Answer 4

一些评论要求将密度估计线缩放到直方图的峰值，以便 y 轴保留为计数而不是密度。为了实现这一点，我编写了一个小函数来自动拉动最大箱高度并相应地缩放密度函数的 y 维度。

hist_dens <- function(x, breaks = "Scott", main = "title", xlab = "x", ylab = "count") {
  
  dens <- density(x, na.rm = T)
  
  raw_hist <- hist(x, breaks = breaks, plot = F)
  
  scale <- max(raw_hist$counts)/max(raw_hist$density)
  
  hist(x, breaks = breaks, prob = F, main = main, xlab = xlab, ylab = ylab)
  
  lines(list(x = dens$x, y = scale * dens$y), col = "red", lwd = 2)
  
}

hist_dens(rweibull(1000, 2))

^{由 reprex 包 (v2.0.1)}

Answer 5

如果我正确理解你的问题，那么你可能需要密度估计和直方图：

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

稍后编辑：

这是一个稍微更漂亮的版本：

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) 

以及它生成的图表：

< img src="https://i.sstatic.net/lHCqw.png" alt="在此处输入图像描述">

Answer 6

很容易做到这一点

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()

使用 ggplot2或模仿德克解决方案的结果

ggplot(dataset, aes(x = X)) + 
  geom_histogram(aes(y = ..density..), binwidth = 5) + 
  geom_density()

Answer 7

这是我的做法：

foo <- rnorm(100, mean=1, sd=2)
hist(foo, prob=TRUE)
curve(dnorm(x, mean=mean(foo), sd=sd(foo)), add=TRUE)

一个额外的练习是使用 ggplot2 包来完成此操作......