Côté d'une densité de la courbe de l'histogramme dans la R

Question

Est-il une fonction dans R qui correspond à une courbe de l'histogramme?

Disons que vous avez eu l'histogramme suivant

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

Il semble normal, mais c'est biaisé. Je veux ajustement d'une courbe normale qui est biaisée, à enrouler autour de cet histogramme.

Cette question est assez basique, mais je n'arrive pas à trouver la réponse pour la R sur l'internet.

Answer 1

Si je comprends votre question correctement, alors vous voudrez probablement une estimation de la densité avec l'histogramme:

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

Modifier un long moment plus tard:

Ici est un peu plus habillé version:

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) 

avec le graphique, il produit:

Answer 2

Une telle chose est facile avec 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()

ou pour imiter le résultat de Dirk de la solution

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

Answer 3

Voici la façon dont je le fais:

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

Un bonus de l'exercice est de faire cela avec ggplot2 paquet ...

Answer 4

Dirk a expliqué la façon de tracer la fonction de densité de plus de l'histogramme. Mais parfois, vous pouvez aller avec le plus fort de l'hypothèse d'un biaisée distribution normale et une intrigue qui, au lieu de la densité. Vous pouvez estimer les paramètres de la distribution et de la parcelle à l'aide de la sn paquet:

> 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 

C'est probablement ce qui fonctionne le mieux sur des données plus skew-normal:

Answer 5

J'ai eu le même problème, mais de Dirk solution ne semble pas fonctionner. J'ai été faire cet avertissement messege à chaque fois

"prob" is not a graphical parameter

Je l'ai lu ?hist, et trouvé sur freq: une logique de vecteur défini à TRUE par défaut.

le code qui a fonctionné pour moi est

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