В этом руководстве объясняется, как подогнать гамма-распределение к набору данных в R.
Установка гамма-распределения в R
Предположим, у вас есть набор данных z , созданный с использованием следующего подхода:
#generate 50 random values that follow a gamma distribution with shape parameter = 3
#and shape parameter = 10 combined with some gaussian noise
z <- rgamma(50, 3, 10) + rnorm(50, 0, .02)
#view first 6 values
head(z)
[1] 0.07730 0.02495 0.12788 0.15011 0.08839 0.09941
Чтобы увидеть, насколько хорошо гамма-распределение соответствует этому набору данных z , мы можем использовать пакет fitdistrplus в R:
#install 'fitdistrplus' package if not already installed
install. packages('fitdistrplus')
#load package
library(fitdistrplus)
Общий синтаксис для установки дистрибутива с использованием этого пакета:
fitdist(dataset, distr = «ваш выбор дистрибутива», method = «ваш метод подгонки данных»)
В этом случае мы будем соответствовать набору данных z , который мы создали ранее, используя подход гамма-распределения и оценки максимального правдоподобия для подбора данных:
#fit our dataset to a gamma distribution using mle
fit <- fitdist(z, distr = "gamma", method = "mle")
#view the summary of the fit
summary(fit)
Это дает следующий результат:
Затем мы можем создать несколько графиков, которые показывают, насколько хорошо гамма-распределение соответствует набору данных, используя следующий синтаксис:
#produce plots
plot(fit)
Получаются следующие графики:
Вот полный код, который мы использовали для подбора гамма-распределения к набору данных в R:
#install 'fitdistrplus' package if not already installed
install. packages('fitdistrplus')
#load package
library(fitdistrplus)
#generate 50 random values that follow a gamma distribution with shape parameter = 3
#and shape parameter = 10 combined with some gaussian noise
z <- rgamma(50, 3, 10) + rnorm(50, 0, .02)
#fit our dataset to a gamma distribution using mle
fit <- fitdist(z, distr = "gamma", method = "mle")
#view the summary of the fit
summary(fit)
#produce plots to visualize the fit
plot(fit)