Установка кривой плотности на гистограмму в R

Есть ли функция в R, которая подходит для кривой к гистограмме?

Скажем, 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 он перекошен. Я хочу поместить нормальную кривую, которая перекошена, чтобы обернуть эту гистограмму.

Этот вопрос довольно простой, но я не могу найти ответ на R в Интернете.

Ответы

Ответ 1

Если я правильно понял ваш вопрос, то вы, вероятно, захотите оценить плотность 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 позже:

Вот немного более наряженная 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 полученным графиком:

Ответ 2

Такая вещь легко с ggplot2

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 для имитации результата из решения Дирка

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

Ответ 3

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)

Бонусное упражнение - это сделать с пакетом ggplot2...

Ответ 4

Dirk объяснил, как построить функцию плотности над гистограммой. Но иногда вы можете пойти с более сильным предположением о перекошенном нормальном распределении и графике, а не плотности. Вы можете оценить параметры распределения и построить его с помощью sn package:

> 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

Это, вероятно, лучше работает на данных, более косо-нормальных:

Ответ 5

У меня была та же проблема, но решение Dirk, похоже, не работало. Я получал это предупреждение messege каждый раз

"prob" is not a graphical parameter

Я прочитал "hist" и нашел около freq: логический вектор установлен по умолчанию TRUE.

код, который работал у меня, это

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