Cara menyesuaikan distribusi gamma ke kumpulan data di r

Tutorial ini menjelaskan cara menyesuaikan distribusi gamma ke kumpulan data di R.

Memasang distribusi gamma di R

Misalkan Anda memiliki kumpulan data z yang dihasilkan menggunakan pendekatan di bawah ini:

 #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

Untuk melihat seberapa cocok distribusi gamma dengan kumpulan data ini z , kita dapat menggunakan paket fitdistrplus di R:

 #install 'fitdistrplus' package if not already installed
install. packages ('fitdistrplus')

#load package
library(fitdistrplus)

Sintaks umum yang digunakan untuk mengadaptasi distribusi menggunakan paket ini adalah:

fitdist(kumpulan data, distr = “distribusi pilihan Anda”, metode = “metode penyesuaian data Anda”)

Dalam hal ini, kami akan menyesuaikan kumpulan data z yang kami hasilkan sebelumnya menggunakan distribusi gamma dan pendekatan estimasi kemungkinan maksimum agar sesuai dengan data:

 #fit our dataset to a gamma distribution using mle
fit <- fitdist(z, distr = "gamma", method = "male")

#view the summary of the fit
summary(fit)

Ini menghasilkan hasil sebagai berikut:

Kemudian kita dapat membuat grafik yang menunjukkan seberapa cocok distribusi gamma dengan kumpulan data menggunakan sintaks berikut:

 #produce plots
plot(fit)

Ini menghasilkan plot berikut:

Berikut adalah kode lengkap yang kami gunakan untuk menyesuaikan distribusi gamma ke kumpulan data di 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 = "male")

#view the summary of the fit
summary(fit)

#produce plots to visualize the fit
plot(fit)