Hoe een gammaverdeling aan een dataset in r past

In deze tutorial wordt uitgelegd hoe u een gammaverdeling aan een dataset in R kunt aanpassen.

Het passen van een gammaverdeling in R

Stel dat u een dataset z hebt gegenereerd met behulp van de onderstaande aanpak:

 #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

Om te zien hoe goed een gammaverdeling bij deze dataset z past, kunnen we het fitdistrplus- pakket in R gebruiken:

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

#load package
library(fitdistrplus)

De algemene syntaxis die gebruikt moet worden om een distributie aan te passen met behulp van dit pakket is:

fitdist(dataset, distr = “uw distributiekeuze”, method = “uw methode voor het aanpassen van gegevens”)

In dit geval passen we de z- dataset aan die we eerder hebben gegenereerd met behulp van de gammaverdeling en de maximale waarschijnlijkheidsschatting om in de gegevens te passen:

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

#view the summary of the fit
summary(fit)

Dit levert het volgende resultaat op:

Vervolgens kunnen we grafieken maken die laten zien hoe goed de gammaverdeling bij de dataset past, met behulp van de volgende syntaxis:

 #produce plots
plot(fit)

Dit levert de volgende plots op:

Hier is de volledige code die we hebben gebruikt om een gammaverdeling in een dataset in R te passen:

 #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)