数据是包含遗传连锁图谱上相邻标记之间的遗传距离的载体。目的是确定适合数据的分布并识别异常值（如果有的话）。这里的异常值是一个相邻的标记对，它的距离大于给定数据所预期的距离。
使用'fitdistrplus'库中的Fitdist函数。下面给出使用伽马和泊松分布的示例。我很困惑，这两个发行版不会产生相同的情节。我感兴趣的是分位数图和在伽马示例中生成的p-p图，但不是在泊松示例中。
示例：
x <- rnorm(50, 20, 2)
library(fitdistrplus)
ygamma <- fitdist(x, 'gamma', method='mme')
plot(ygamma)
ypois <- fitdist(x, 'pois', method='mme')
plot(ypois)
注意两个图之间的区别。