Я изучил похожие вопросы, заданные по этой теме, но у меня возникают проблемы с созданием хорошей кривой на моей гистограмме. Я понимаю, что некоторые люди могут видеть это как дубликат, но я ничего не нашел в настоящее время, чтобы помочь решить мою проблему.Как подогнать кривую к гистограмме
Хотя данные здесь не видны, вот некоторые переменные, которые я использую, чтобы вы могли видеть, что они представляют в приведенном ниже коде.
Differences <- subset(Score_Differences, select = Difference, drop = T)
m = mean(Differences)
std = sqrt(var(Differences))
Вот самая первая кривая произвожу (код кажется наиболее распространенным и легко производить, но сама кривая не подходит, что хорошо).
hist(Differences, density = 15, breaks = 15, probability = TRUE, xlab = "Score Differences", ylim = c(0,.1), main = "Normal Curve for Score Differences")
curve(dnorm(x,m,std),col = "Red", lwd = 2, add = TRUE)
мне очень нравится это, но не нравится кривая, уходящая в отрицательную область.
hist(Differences, probability = TRUE)
lines(density(Differences), col = "Red", lwd = 2)
lines(density(Differences, adjust = 2), lwd = 2, col = "Blue")
Это тот же гистограмму, как первый, но с частотами. Все еще не выглядит так хорошо.
h = hist(Differences, density = 15, breaks = 15, xlab = "Score Differences", main = "Normal Curve for Score Differences")
xfit = seq(min(Differences),max(Differences))
yfit = dnorm(xfit,m,std)
yfit = yfit*diff(h$mids[1:2])*length(Differences)
lines(xfit, yfit, col = "Red", lwd = 2)
Еще одна попытка, но не повезло. Может быть, потому, что я использую qnorm
, когда данные явно не нормальные. Кривая снова переходит в отрицательное направление.
sample_x = seq(qnorm(.001, m, std), qnorm(.999, m, std), length.out = l)
binwidth = 3
breaks = seq(floor(min(Differences)), ceiling(max(Differences)), binwidth)
hist(Differences, breaks)
lines(sample_x, l*dnorm(sample_x, m, std)*binwidth, col = "Red")
Единственная кривая, которая визуально выглядит красиво является вторым, но кривая падает в отрицательном направлении.
Мой вопрос: «Есть ли« стандартный способ »для размещения кривой на гистограмме?» Эти данные, конечно, не являются нормальными. 3 из процедур, которые я представил здесь, из похожих сообщений, но у меня есть некоторые проблемы, очевидно. Я чувствую, что все методы подгонки кривой будут зависеть от данных, с которыми вы работаете.
Update раствором
Благодаря Zheyuan Ли и другие! Я оставлю это для своих собственных ссылок и, надеюсь, и других.
hist(Differences, probability = TRUE)
lines(density(Differences, cut = 0), col = "Red", lwd = 2)
lines(density(Differences, adjust = 2, cut = 0), lwd = 2, col = "Blue")
В сценариях, где я не знаю распределения раньше времени (т. Е. Всех эмпирических сценариев), я использую плотность ядра (иногда без гистограммы). Если ваша цель - увидеть, насколько данные соответствуют определенному дистрибутиву, вы можете графически отобразить плотность ядра вместе с известным распределением. – lmo
@ lmo Мне нравится эта идея. Кажется, что мое ядро уходит с гистограммы в отрицательное направление. Его надоедливое, но о хорошо .. Спасибо вам обоим. – Brandon
Это действительно статистический вопрос. Существует много способов приближения к оценке плотностей, но при этом принципиально необходимо садиться с помощью статистика и обсуждать научную основу исследования. –