基于R中的累积概率函数计算结果的可能性的问题

Question

我是R的新手，正在寻求使用概率密度函数（在我的示例中，结果是爆发的规模）来估计产生结果的可能性> = 100。我相信我的编码正确，但是当我看图时，答案并不正确。

这是我的代码（它是基于爆发的随机模型的输出）。我非常感谢指针。我认为错误在于可能性计算中。...

谢谢！

total_cases.dist <- dlnorm(sample.range, mean = total_cases.mean, sd = total_cases.sd)
total_cases.df <- data.frame("total_cases" = sample.range, "Density" = total_cases.dist)
library(ggplot2)
ggplot(total_cases.df, aes(x = total_cases, y = Density)) + geom_point()

pp <- function(x) {
  print(paste0(round(x * 100, 3), "%"))
}

# likelihood of n_cases >= 100
pp(sum(total_cases.df$Density[total_cases.df$total_cases >= 100]))

Answer 1

您正在使用dlnorm，它是对数正态分布，这意味着均值和sd是对数（值）的均值和对数（值）的sd，例如：

# we call the standard rlnorm
X = rlnorm(1000,0,1)
# gives something close to sd = exp(1), and mean=something
c(mean(X),sd(X))
# gives what we simulated
c(mean(log(X)),sd(log(X)))

我们现在使用已知的泊松分布（均值=方差）模拟一些数据。我们可以使用对数法线对其进行建模：

set.seed(100)
X <- rpois(500,lambda=1310)
# we need to log values first
total_cases.mean <- mean(log(X))
total_cases.sd <- sd(log(X))

您可以看到它运作良好

sample.range <- 1200:1400
hist(X,br=50,freq=FALSE)
lines(sample.range,
dlnorm(sample.range,mean=total_cases.mean,sd=total_cases.sd),
col="navyblue")

对于您的示例，您可以获得> 1200的值的概率（请参见直方图）：

plnorm(1200,total_cases.mean,total_cases.sd,lower.tail=FALSE)

现在为您的数据提供数据，如果平均值= 1310.198和total_cases.sd = 31615.26是正确的，则取平均值〜76000X作为方差！然后，我不确定对数正态分布是否适合对此类数据进行建模。