Ho installato la distribuzione normale con la funzione fitdist
dal pacchetto fitdistrplus
. Utilizzando denscomp
, qqcomp
, cdfcomp
e ppcomp
possiamo tracciare histogram against fitted density functions
, theoretical quantiles against empirical ones
, the empirical cumulative distribution against fitted distribution functions
e theoretical probabilities against empirical ones
rispettivamente come indicato di seguito.Creazione di grafici fitdist con ggplot2
set.seed(12345)
df <- rnorm(n=10, mean = 0, sd =1)
library(fitdistrplus)
fm1 <-fitdist(data = df, distr = "norm")
summary(fm1)
denscomp(ft = fm1, legendtext = "Normal")
qqcomp(ft = fm1, legendtext = "Normal")
cdfcomp(ft = fm1, legendtext = "Normal")
ppcomp(ft = fm1, legendtext = "Normal")
Sono molto interessato a rendere questi grafici fitdist
con ggplot2
. MWE è qui sotto:
qplot(df, geom = 'blank') +
geom_line(aes(y = ..density.., colour = 'Empirical'), stat = 'density') +
geom_histogram(aes(y = ..density..), fill = 'gray90', colour = 'gray40') +
geom_line(stat = 'function', fun = dnorm,
args = as.list(fm1$estimate), aes(colour = 'Normal')) +
scale_colour_manual(name = 'Density', values = c('red', 'blue'))
ggplot(data=df, aes(sample = df)) + stat_qq(dist = "norm", dparam = fm1$estimate)
vivamente grato se qualcuno mi dia suggerimenti per rendere questi fitdist
trame con ggplot2
. Grazie
Se questo non avesse un premio allegato voterei per chiudere come troppo ampio. Ogni grafico dovrebbe essere una domanda diversa (anche se potresti non aver bisogno di chiedere per ogni grafico se hai avuto una risposta per uno o due di essi). – Roland