将模型参数拟合到R中的直方图数据

Question

所以我有一个我想要参数化的数据集，但它不是高斯分布，所以我不能用它的均值和标准差来对它进行参数化。我希望使用一组参数拟合分布函数，并提取最适合的参数值（例如a和b）。我想这样做与

完全相同

   lm(y~f(x;a,b))

除了我没有y，我有不同x值的分布。

这是一个例子。如果我假设数据遵循Gumbel，双指数，分布

f(x;u,b) = 1/b exp-(z + exp-(z)) [where z = (x-u)/b]:

   #library(QRM)
   #library(ggplot2)
   rg <- rGumbel(1000) #default parameters are 0 and 1 for u and b
   #then plot it's distribution
   qplot(rg)
   #should give a nice skewed distribution

如果我假设我不知道分布参数并且我想对观察到的频率数据执行概率密度函数的最佳拟合，我该如何显示最佳拟合（在此测试案例中） ），u = 0和b = 1？

我不希望代码只是简单地将函数映射到绘图上，尽管这可能是个不错的选择。我想要一个可以重复使用的方法从函数中提取变量以与其他函数进行比较。使用GGPlot / qplot，因为它可以快速显示任何想要测试代码的人的分布。我更喜欢使用它，但如果它们更容易，我可以使用其他包。

注意：在我看来，这似乎是一个非常明显的事情，但是我找不到与直方图数据有关的东西（这看起来很奇怪）所以如果有另一个教程我真的很想看到它。