R တွင် ဒေတာအတွဲတစ်ခုနှင့် gamma ဖြန့်ဝေမှုအား မည်သို့ အံဝင်ခွင်ကျလုပ်မည်နည်း။

ဤသင်ခန်းစာသည် R ရှိ ဒေတာအတွဲတစ်ခုနှင့် ဂမ်မာဖြန့်ဝေမှုအား မည်သို့အံဝင်ခွင်ကျဖြစ်စေရန် ရှင်းပြထားသည်။

R တွင် gamma ဖြန့်ဖြူးမှုအား တပ်ဆင်ခြင်း

အောက်ပါချဉ်းကပ်နည်းကို အသုံးပြု၍ သင့်တွင် dataset z ထုတ်ပေးသည်ဆိုပါစို့။

 #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

gamma ဖြန့်ဝေမှုတစ်ခုသည် ဤဒေတာ set z နှင့် မည်မျှကိုက်ညီကြောင်းကြည့်ရန် R တွင် fitdistrplus ပက်ကေ့ဂျ်ကို အသုံးပြုနိုင်ပါသည်။

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

#load package
library(fitdistrplus)

ဤပက်ကေ့ဂျ်ကို အသုံးပြု၍ ဖြန့်ဖြူးမှုတစ်ခုအား လိုက်လျောညီထွေဖြစ်အောင် အသုံးပြုရန် ယေဘူယျ syntax မှာ-

fitdist(ဒေတာအစုံ၊ disstr = “ သင့်ရဲ့ ဖြန့်ဖြူးမှုရွေးချယ်မှု” ၊ နည်းလမ်း = “ သင့်ရဲ့ အချက်အလက်နဲ့ ကိုက်ညီတဲ့ နည်းလမ်း” )

ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့သည် ဒေတာနှင့်ကိုက်ညီရန် gamma ဖြန့်ဖြူးမှုနှင့် အများဆုံးဖြစ်နိုင်ခြေ ခန့်မှန်းရေးချဉ်းကပ်မှုတို့ကို အသုံးပြု၍ ယခင်က ထုတ်လုပ်ခဲ့သော z ဒေတာအတွဲနှင့် ကိုက်ညီပါမည်-

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

#view the summary of the fit
summary(fit)

၎င်းသည် အောက်ပါရလဒ်ကို ဖြစ်ပေါ်စေသည်-

ထို့နောက် အောက်ပါ syntax ကို အသုံးပြု၍ gamma ဖြန့်ဝေမှုသည် dataset နှင့်ကိုက်ညီကြောင်းပြသသည့် ဂရပ်ဖစ်များကို ထုတ်လုပ်နိုင်သည်-

 #produce plots
plot(fit)

၎င်းသည် အောက်ပါမြေကွက်များကို ထုတ်လုပ်သည်။

ဤသည်မှာ R ရှိ ဒေတာအတွဲတစ်ခုနှင့် gamma ဖြန့်ဝေမှုတစ်ခုနှင့် အံဝင်ခွင်ကျအသုံးပြုခဲ့သော ကုဒ်အပြည့်အစုံဖြစ်သည်။

 #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)