Come adattare una distribuzione gamma a un set di dati in r
Questo tutorial spiega come adattare una distribuzione gamma a un set di dati in R.
Adattare una distribuzione gamma in R
Supponiamo di avere un set di dati z generato utilizzando l’approccio seguente:
#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
Per vedere quanto bene una distribuzione gamma si adatta a questo set di dati z , possiamo usare il pacchetto fitdistrplus in R:
#install 'fitdistrplus' package if not already installed install. packages ('fitdistrplus') #load package library(fitdistrplus)
La sintassi generale da utilizzare per adattare una distribuzione utilizzando questo pacchetto è:
fitdist(dataset, distr = “la tua scelta di distribuzione”, metodo = “il tuo metodo di adattamento dei dati”)
In questo caso, adatteremo il set di dati z che abbiamo generato in precedenza utilizzando la distribuzione gamma e l’approccio di stima della massima verosimiglianza per adattare i dati:
#fit our dataset to a gamma distribution using mle fit <- fitdist(z, distr = "gamma", method = "male") #view the summary of the fit summary(fit)
Ciò produce il seguente risultato:
Quindi possiamo produrre grafici che mostrano quanto bene la distribuzione gamma si adatta al set di dati utilizzando la seguente sintassi:
#produce plots
plot(fit)
Ciò produce i seguenti grafici:
Ecco il codice completo che abbiamo utilizzato per adattare una distribuzione gamma a un set di dati in 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)