Szacowanie rozkładu na podstawie danych

Mam próbkę danych wygenerowanych Rprzez rnorm(50,0,1), więc dane oczywiście przyjmują rozkład normalny. Jednak Rnie „zna” tych informacji o dystrybucji danych.

Czy istnieje metoda Rpozwalająca oszacować, z jakiego rodzaju dystrybucji pochodzi moja próbka? Jeśli nie, skorzystam z shapiro.testfunkcji i postąpię w ten sposób.

r distributions James Highbright
źródło

Nie jestem pewien, czy rozpoznaję wynik tego pytania. Prawdą jest, że jeśli masz wektor liczb w R, nie ma z nim wielu metadanych, ale dlaczego miałbyś to przeszkadzać? Dlaczego potrzebujesz tego / co chcesz z tym zrobić? Załóżmy, że tak, byłoby to pomocne tylko w takim stopniu, w jakim miałbyś przekazać ten wektor do funkcji za pomocą określonych metod dla danych Gaussa w porównaniu do innych. Nie znam żadnego (choć nie jestem najbardziej doświadczonym użytkownikiem R na świecie).

Gung - Przywróć Monikę

Jeśli chcesz tylko sprawdzić, czy dana próbka wydaje się normalna, test Shapiro-Wilka jest przyzwoitą opcją (chociaż warto poświęcić chwilę na przeczytanie tego pytania i udzielonych tam odpowiedzi). Widzę, jak to może wyglądać w badaniu symulacyjnym, ale bez dalszych szczegółów na temat badania trudno jest podać użyteczną odpowiedź.

Gung - Przywróć Monikę

Dlaczego musisz zidentyfikować dystrybucję danych? Automatyczny wybór dystrybucyjny jest często atrakcyjnym pomysłem, ale nie czyni go dobrym pomysłem.

Glen_b

Odpowiedzi:

Istnieje fitdistrfunkcja w pakiecie MASS lub niektóre funkcje w pakiecie fitdistrplus . Oto kilka przykładów z tego ostatniego.

require(fitdistrplus)

set.seed(1)
dat <- rnorm(50,0,1)
f1 <- fitdist(dat,"norm")
f2 <- fitdist(dat,"logis")
f3 <- fitdist(dat,"cauchy")

więc na przykład

> f1
Fitting of the distribution ' norm ' by maximum likelihood 
Parameters:
      estimate Std. Error
mean 0.1004483 0.11639515
sd   0.8230380 0.08230325

i możesz zobaczyć wykresy za pomocą

plotdist(dat,"norm",para=list(mean=f1$estimate[1],sd=f1$estimate[2]))
plotdist(dat,"logis",para=list(location=f2$estimate[1],scale=f2$estimate[2]))
plotdist(dat,"cauchy",para=list(location=f3$estimate[1],scale=f3$estimate[2]))

więc wydaje się prawdopodobne jako normalny rozkład

wprowadź opis zdjęcia tutaj

ale może także jako dystrybucja logistyczna (będziesz potrzebować większej próbki, aby odróżnić je w reszce)

wprowadź opis zdjęcia tutaj

chociaż za pomocą qqplot i patrząc na CDF można stwierdzić, że prawdopodobnie nie jest to rozkład Cauchy'ego

wprowadź opis zdjęcia tutaj

Henz
źródło

Dziękuję Henryku za piękny przegląd. Zapytano mnie, czy są jakieś pakiety, które pobierają dane i wypluwają, która dystrybucja (i parametry) pluje najlepiej. Czy znasz taką funkcjonalność w którymkolwiek z pakietów?

Roman Luštrik

fitdistzapewnia oszacowanie parametrów. Istnieje kilka wskazówek na temat tego, jak może wyglądać rozkład funkcji, descdist(dat, boot = 1000)ale one także skorzystałyby na większej próbce.

Henry

Żadna z tych funkcji nie rozwiąże problemu postawionego w ostatnim pytaniu, gdy próbka nie jest reprezentatywna.

John

@Scott Kaiser: Nie sądzę. fitdist()jest funkcją pakietu fitdistrplus i właśnie tego używałem. Tymczasem fitdistr()jest to funkcja w pakiecie MASS i nie działałaby tutaj w tej formie.

Henry

Nie mam wystarczającej liczby punktów, aby dodać to jako komentarz, ale jako dodatkową notatkę do informacji podanych w powyższym wątku można również zadzwonić plot(f1)zamiast bardziej skomplikowanegoplotdist(dat,"norm",para=list(mean=f1$estimate[1],sd=f1$estimate[2]))

swestenb