Existe-t-il une fonction dans R qui adapte une courbe à un histogramme?
Disons que vous avez l'histogramme suivant
hist(c(rep(65, times=5), rep(25, times=5), rep(35, times=10), rep(45, times=4)))
Cela semble normal, mais il est biaisé. Je veux ajuster une courbe normale qui est asymétrique pour entourer cet histogramme.
Cette question est plutôt basique, mais je n'arrive pas à trouver la réponse à R sur Internet.
Si je comprends bien votre question, 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 longtemps après:
Voici une version légèrement plus habillée:
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 qu'il produit:
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 imiter le résultat de la solution de Dirk
ggplot(dataset, aes(x = X)) +
geom_histogram(aes(y = ..density..), binwidth = 5) +
geom_density()
Voici comment 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 exercice bonus consiste à faire ceci avec le paquet ggplot2 ...
Dirk a expliqué comment tracer la fonction de densité sur l'histogramme. Mais parfois, vous voudrez peut-être adopter l'hypothèse plus forte d'une distribution normale asymétrique et l'intrigue au lieu de la densité. Vous pouvez estimer les paramètres de la distribution et la représenter à l’aide du paquet sn :
> 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
Cela fonctionne probablement mieux sur des données plus asymétriques:
J'ai eu le même problème mais la solution de Dirk n'a pas semblé fonctionner. Je recevais ce message d'avertissement à chaque fois
"prob" is not a graphical parameter
J'ai lu ?hist
Et trouvé environ freq: a logical vector set TRUE by default.
le code qui a fonctionné pour moi est
hist(x,freq=FALSE)
lines(density(x),na.rm=TRUE)