将正态分布绘制到数据上

Question

我有一些我想要变换的对数正态数据，然后拟合正态分布。这是一个可重复的示例，其数据不完全是对数正态，但它足够接近：

# create some lognormal data
dat <- data.frame(x = c(runif(1000, 0, 1), runif(300, 1, 100), runif(100,100,1000)))

我可以按log10转换这些数据，并使用MASS::fitdistr符合正态分布。

# fit normal distribution to log-transformed values
library(MASS)
fit <- fitdistr(log10(dat$x), densfun = "normal")
fit$estimate # mean and SD of the normal distribution

现在我想绘制数据，并在其上绘制分布。我按log10转换数据，并使用stat_function绘制正态分布，但它不适合数据。

# plot data and distribution
ggplot(data = dat) +
  geom_histogram(mapping = aes(x = log10(x))) +
  stat_function(fun = dnorm, args = list(mean = fit$estimate[1], sd = fit$estimate[2], log = TRUE))

如果我正确地解决了这个问题，任何指针和验证都会非常有用。

最后要让我的x轴显示10,100,1000等单位......我应该使用scale_x_log10()吗？什么是格式化x轴的简单方法？

Answer 1

如果要在同一图表上绘制直方图和密度分布，则需要使用美学y=..density..绘制密度直方图 这是一个例子。为了清楚起见，我从对数正态分布中生成了数据。

set.seed(123)
# Generate data from a log-normal distribution
dat <- data.frame(x=rlnorm(10000))

# Fit normal distribution to log-transformed values
library(MASS)
fit <- fitdistr(log10(dat$x), densfun = "normal")

# Plot density histogram and fitted distribution
ggplot(data = dat) +
  geom_histogram(mapping = aes(x = log10(x), y = ..density..), col="white") +
  stat_function(fun = dnorm, 
      args = list(mean = fit$estimate[1], sd = fit$estimate[2], log = F), 
      color="red", lwd=1)