如何在一个图中绘制拟合图和伽玛分布的实际图？

Question

STEP.1。加载所需的包。

library(ggplot2)
library(MASS)

Step.2。生成适合伽玛分布的10,000个数字。

x <- round(rgamma(100000,shape = 2,rate = 0.2),1)
x <- x[which(x>0)]

STEP.3开始。绘制pdf（概率密度函数），假设我们不知道哪个分布x适合。

t1 <- as.data.frame(table(x))
names(t1) <- c("x","y")
t1 <- transform(t1,x=as.numeric(as.character(x)))
t1$y <- t1$y/sum(t1[,2])
ggplot() + geom_point(data = t1,aes(x = x,y = y)) + theme_classic()

Step.4。从图表中，我们可以了解到x的分布与伽马分布非常相似，因此我们在fitdistr()包中使用MASS来获取shape和{{}的参数1}}伽马分布。

rate

Step.5。在同一个图中绘制实际点（黑点）和拟合图（红线），这是问题，请先查看图。

fitdistr(x,"gamma") 
##       output 
##       shape           rate    
##   2.0108224880   0.2011198260 
##  (0.0083543575) (0.0009483429)

问题1：实际参数为ggplot() + geom_point(data = t1,aes(x = x,y = y)) + geom_line(aes(x=t1[,1],y=dgamma(t1[,1],2,0.2)),color="red") + theme_classic() ，shape=2，我使用函数rate=0.2获取的参数为fitdistr()，shape=2.01。这两个几乎是一样的，但为什么拟合图不能很好地拟合实际点，在拟合图中一定有问题，或者我绘制拟合图的方式和实际点是完全错误的，我应该怎么做？

问题2：在我获得我建立的模型的参数后，我以哪种方式评估模型，例如线性模型的rate=0.20或RSS(residual square sum)的{​​{1}}， p-value和其他测试？我的统计知识很差，请帮我解决这两个问题，谢谢！（ps：我在谷歌和stackoverflow上搜索了很多次，但它不起作用，所以不投票这个问题没用，谢谢！ ）

Answer 1

出于某种原因，您的拟合线似乎正好是10倍高：

ggplot() + geom_point(data = t1,aes(x = x,y = y)) +     
  geom_line(aes(x=t1[,1],y=(dgamma(t1[,1],2,0.2))/10),color="red") + 
  theme_classic()

完美契合：

正如jbaums所说，这是由每个dx的密度在这种情况下为0.1引起的。