我根据ggplot2中的人口普查数据创建了年龄与人口规模（按性别分列）的条形图。类似地，我使用fitdistrplus包中的'fitdist'函数来导出规范化的Weibull参数（通过所有Age bin中观察到的最大种群数）。
我想要做的是将绘制的数据与分布重叠为线图。我试过了
+ geom_line (denscomp(malefit.w))
加上其他众多（不成功）策略。
我们非常感谢您提供的任何帮助！请找到下面的语法：
数据结构
Order Age Male Female Total male.norm
1 1 0 - 5 2870000 2820000 5690000 1.00000000
2 2 5 - 9 2430000 2390000 4820000 0.84668990
3 3 10 - 14 2340000 2250000 4590000 0.81533101
4 4 15 - 19 2500000 2500000 5000000 0.87108014
5 5 20 - 24 2690000 2680000 5370000 0.93728223
6 6 25 - 29 2540000 2520000 5060000 0.88501742
7 7 30 - 34 2040000 1990000 4030000 0.71080139
8 8 35 - 39 1710000 1760000 3470000 0.59581882
9 9 40 - 44 1400000 1550000 2950000 0.48780488
10 10 45 - 49 1200000 1420000 2620000 0.41811847
11 11 50 - 54 1010000 1210000 2220000 0.35191638
12 12 55 - 59 812000 985000 1800000 0.28292683
13 13 60 - 64 612000 773000 1390000 0.21324042
14 14 65 - 69 402000 556000 958000 0.14006969
15 15 70 - 74 293000 455000 748000 0.10209059
16 16 75 - 79 165000 316000 481000 0.05749129
17 17 80 - 84 101000 222000 323000 0.03519164
18 18 85 plus 75500 180000 256000 0.02630662
female.norm
1 1.00000000
2 0.84751773
3 0.79787234
4 0.88652482
5 0.95035461
6 0.89361702
7 0.70567376
8 0.62411348
9 0.54964539
10 0.50354610
11 0.42907801
12 0.34929078
13 0.27411348
14 0.19716312
15 0.16134752
16 0.11205674
17 0.07872340
18 0.06382979
答案 0 :(得分：1)
这是我上面提出的原始问题的答案。结合问题中发布的数据，它是一个开始结束的解决方案（即要绘制的原始数据）。
将南非年龄人口数据（按性别）拟合为威布尔分布（Theresa Cain和Ben Small）
加载库
library(MASS)
library(ggplot2)
导入数据集
age_gender2 <- read.csv("age_gender2.csv", sep=",", header = T)
按性别定义总人口规模 - 即所有年龄段的整个男性/女性人口的总和，并分别放置在对象'total'和'total.female'中
total.male <- sum(age_gender2$Male)
total.female <- sum(age_gender2$Female)
对象'age.groups'是一个单行，单列向量，用于描述'age_gender2'df
的年龄段数age.groups <- length(age_gender2$Age)
对象'age.all'是一个1行，18列空矩阵，用于描述从age_gender2 df中'Age'列中年龄箱（类别）中提取的最小年龄范围
age.all <- matrix(0,1,age.groups)
下一行为每个年龄组的第一列分配矩阵的每个元素（1 X 18）的最小年龄。所以'for'循环将每列矩阵分配为一个年龄（HELP：writing a for loop in R）。
'for'循环的结构#RULE（在括号（）中给出）：对于每个元素（i）从2循环到'age.groups'对象中呈现的值（即18）#COMMAND（给定于花括号{}）：将每个元素（i）放在'age.male'矩阵中并从第一行开始（即[1，每个元素（即[1，i]，执行/赋值（'＆lt; - '）以下操作：（（5 X（ith element - 1）） - 2.5）。此操作为bin提供'中间'年龄
这将'age.all'矩阵中的第一个元素（行，列）赋值为2.5
age.all[1,1] <- 2.5
for(i in 2:age.groups){
age.all[1,i] <- ((5*(i)) - 2.5)
}
下一个命令'rep'创建一个特定bin中所有年龄段的（1 X 25190500）向量
male.data <- rep(age.all,age_gender2$Male)
female.data <- rep(age.all,age_gender2$Female)
将weibull分布适合男性和女性的年龄
male.weib <- fitdistr(male.data, "weibull")
female.weib <- fitdistr(female.data, "weibull")
male.shape <- male.weib$estimate[1]
male.scale <- male.weib$estimate[2]
female.shape <- female.weib$estimate[1]
female.scale <- female.weib$estimate[2]
将“Age_Median”列添加到“age_gender2”df，其中位数为年龄。需要转置为'age.all'是1行X 18列向量。
age_gender2["Age_Median"] <- t(age.all)
适合威布尔分布
函数'pweibull'是一个PDF并查找所有年龄段的累积概率，因此我们需要从当前bin中减去先前的年龄bin以找到该bin的概率并因此（通过乘以总男性人口）该垃圾箱的预期人口。
male.p.weibull <- matrix(0,1,age.groups)
female.p.weibull <- matrix(0,1,age.groups)
for (i in 1:age.groups){
male.p.weibull[1,i] <- pweibull(age.all[1,i]+2.5, male.shape, male.scale) - pweibull(age.all[1,i]-2.5, male.shape, male.scale)
}
for (i in 1:age.groups){
female.p.weibull[1,i] <- pweibull(age.all[1,i]+2.5, female.shape, female.scale) - pweibull(age.all[1,i]-2.5, female.shape, female.scale)
}
添加列以列出每个年龄段的计算人口 - “转置”为1 x 18 - > 18行x 1列向量
age_gender2["male.prob"] <- t(male.p.weibull * total.male)
age_gender2["female.prob"] <- t(female.p.weibull * total.female)
创建描述年龄 - 性别人口分布的条形图
男性（实际数据）和显示Weibull计算概率的超强曲线（ggplot2）
agp.male <- ggplot(age_gender2, aes(x=reorder(Age, Order), y=Male, fill=Male)) + geom_bar(stat="identity") + theme (axis.text.x=element_text(angle=45, hjust=1)) + xlab("Age Group (5 yr bin)") + ylab("Male Population (M)") + geom_smooth(aes(age_gender2$Age,age_gender2$male.prob, group=1))
显示Weibull计算概率的女性（实际数据）和超强曲线（ggplot2）
agp.female <- ggplot(age_gender2, aes(x=reorder(Age, Order), y=Female, fill=Female)) + geom_bar(stat="identity") + theme (axis.text.x=element_text(angle=45, hjust=1)) + xlab("Age Group (5 yr bin)") + ylab("Female Population (M)") + geom_smooth(aes(age_gender2$Age,age_gender2$female.prob, group=1))