Question

我正在尝试在R中编写一些代码，从Excel中获取样本数据并确定最合适的数据分布，然后确定所述分布的参数。经过一段谷歌搜索后，我决定尝试使用fitdistrplus来拟合发行版，并看到gofstat是一个可以用来检查拟合优度的函数。我想比较GOF统计数据，以便在循环中找到最合适的分布。

我的代码的初始部分实际上只是从Excel导入我的示例数据（我在Excel中创建了1000个值，通常是分布式的，并以CSV格式保存为单个列），并尝试将其设置为分配和绘制结果。

library(fitdistrplus)
testData = read.table("C:\\Users\\Havok\\Documents\\Skripsie\\Excel\\NormalTest1.csv", header=FALSE)
(func <- apply(testData, 2,  fitdist, "norm"))
gofstat(func)
for(i in 1:1000)
  plot(f[[i]])

但是，每当我尝试运行代码时，都会收到错误消息

gofstat（FUNC）     gofstat（func）出错：       参数f必须是'fitdist'对象或'fitdist'对象列表。     for（i in 1：1000）     + plot（f [[i]]）     f [[i]]：下标超出范围
时出错

尽管出现了“下标越界”错误，但仍然会出现这些情节（我认为这可能是由于导入数据中存在错误的负值），但我真的想知道我的gofstat用法有什么问题。有什么想法吗？

P.S。我的R经验仅限于我们大学的单一模块，而且非常基础。所以任何高级技巧都会受到赞赏。

Answer 1

Martin，这里有一些常见技巧和示例代码可以帮助您。

使用rnorm()生成R中的随机数列表非常方便。我在测试期间使用set.seed来固定相同系列的随机数。

testData <- rnorm(1000)
head(testData) 3 see first few elements
[1] -0.6264538  0.1836433 -0.8356286  1.5952808  0.3295078 -0.8204684

你看过这个包的文档了吗？用？寻求帮助
```
?fitdistrplus
?gofstat
```
您希望绘制分布类型而不是数据。

所以：

library(fitdistrplus)
# setting where random number sequence starts so you can reproduce results. 
set.seed(1)
testData <- rnorm(1000)
# list of distributions
#   see help  for full list e.g. "norm", "lnorm", "exp" and "pois",
#   "cauchy", "gamma", "logis", "nbinom" (parametrized by mu and size),
#   "geom", "beta", "unif", and "weibull"
dist <- c("norm", "unif")

# Loop through your list of distributions
for(i in length(dist)){
  x <- fitdist(testData, dist[i])
  gofstat(x)
  plot(x)
}

添加到dist中的分发列表。注意一些分布期望所有值都是正的（例如泊松 - 因为它与计数有关）。

你在使用RStudio吗？您在“图形”选项卡中的后退箭头可以让您在图形之间来回移动。

M

Answer 2

我认为你不需要使用apply，这使它成为滚动功能。

library(fitdistrplus)
set.seed(1234)
testData = rnorm(1000)
fit <- fitdist(testData, "norm")

plot(fit)
gofstat(fit)

如何在R中正确使用gofstat？

2 个答案: