如何使用 ggplot2() 在直方图上拟合“负二项式”分布？

Question

我正在使用一个数据集，我认为该数据集遵循“负二项式”分布。然而，当我拟合“负二项式”分布时，结果证明拟合效果很差。为了进一步探索，我模拟了负二项式分布，但即使在模拟数据上，叠加分布也无法提供良好的拟合。 这是我的模拟数据：

library(ggplot2)
library(MASS)  
library(fitdistrplus)
# Generating negative binomial random numbers
n <- 1000  # Number of random numbers
size <- 5  # Number of successes
prob <- 0.3  # Probability of success

# Generating negative binomial random numbers
negative_binomial <- rnbinom(n, size, prob)
xx <- data.frame(negative_binomial)

我想创建一个直方图，在此数据上叠加“

负二项式

”分布。假设我得到了这些数据，所以我必须使用 fitdist() 来估计分布的参数。

fit <- fitdistr(negative_binomial,densfun = "negative binomial")
ggplot(data = xx, aes(negative_binomial)) +
  geom_histogram(
    aes(y = ..density..),
    bins = 18, color = "black", fill = "lightblue") +
  stat_function(fun = dnbinom ,
    args = list(mu = fit$estimate[2] , size = fit$estimate[1]),
    color = "red", size = 1)

问题

：尽管知道模拟数据是Negative Binomial，但为什么叠加分布与数据的拟合度如此差？我做错了什么？

Answer 1

适合

yy<- fitdist(negative_binomial, distr = "nbinom")

ggplot(数据 = xx, aes(负二项式)) + 几何直方图（ aes(y = ..密度..), 垃圾箱= 13，颜色=“黑色”，填充=“浅蓝色”）+ geom_col(数据 = yy, aes(y = 密度), 颜色=“红色”，填充=NA，大小=1）<- data.frame(negative_binomial = 0:45) yy$density <- dnbinom(yy$negative_binomial, mu = fit$estimate["mu"] , size = fit$estimate["size"])