问题标签 [fitdistrplus]

有没有办法 descdist() 在fitdistrplus库中的命令生成的绘图上操作字体大小？

我想通过使用存储情节：

能够将其导入到我的 LaTex 文档中。不幸的是，字体很小，如果我打印出来，没人能看懂。

提前谢谢你的帮助。

我正在尝试将截断的正态分布拟合到某些数据。但是，我遇到了以下错误：

我不确定出了什么问题 - 我已经读过，在某些情况下，如果初始猜测错误或高于实际值，可能会出现拟合问题，但我尝试了许多不同的起始值，但似乎都没有工作。

这是我的数据的一个小样本，以及我用来获取错误的代码：

我正在使用以下代码来拟合正态分布。“b”的数据集链接（太大而无法直接发布）是：

b的链接

绘制直方图后，看起来正态分布应该很合适。

xy.coords(x, y, xlabel, ylabel, log) 中的错误：

'x' 是一个列表，但没有组件 'x' 和 'y'

当我尝试绘制拟合分布时出现上述错误，甚至 f1n 的汇总统计信息都关闭了。

将不胜感激任何帮助。

我有以下数据

我正在使用此代码来查找模式：

使用MyParam，我可以获得最小值、最大值和模式

当我将这些值输入到下面的代码中时fitdist，按预期工作

但是，当我尝试在 MyParam 中阅读时，会出现各种错误

我知道问题出在optim()，但我无法弄清楚如何解决这个问题。任何建议表示赞赏！

我只能用不同的数据集一一得到qq图。。

如何将两个qq图放在同一个坐标系中？

我有代码，我使用 fitdistrplus 将 Weibull 分布拟合到各种数据集并将原始数据绘制到 CDF。

我想从该计算中访问拟合的残差，以应用 +/- 5 伪西格玛屏幕来识别和计算异常值的数量，因为这些将被视为外在缺陷群体。

如何获得残差的向量、列表或矩阵。fitdistr 使用了 resid() 函数，fitdistrplus 应该继承这个函数，但是通过调用 resid(zFIT) 似乎不起作用（其中 zFIT 是我的 fitdist 对象.....）

有任何想法吗？非常感谢

假设我有一些数据并将它们拟合到一个gamma分布中，如何找到 的区间概率Pr(1 < x <= 1.5)，其中 x 是样本外数据点？

我想将伽马分布拟合到由 338 个元素组成的数据集，具有固定的低阈值（我正在使用 R）。为了表示我认为使用具有三个参数的伽马的下限，添加位置。这是我的代码：

每次我运行代码时，我都会遇到同样的错误：

因此，我尝试使用通过 gamma 拟合获得的值与两个参数来更改起始值，从而得出以下结果：

但它仍然不起作用..如果即使带有两个参数的伽玛也不起作用，我会理解它，但事实并非如此，我无法给自己一个解释。此外，带有两个参数的伽玛的 QQ 图和 ecdf 不是那么好……但如果我拟合原始数据集上的分布，该数据集相对于低阈值进行缩放，则拟合看起来很完美：

但是我不知道这样做是否正确......参数非常不同，我需要它们来计算与我的数据相关的返回期！这就是为什么我想到了带有位置参数的伽玛。

ps 我没有附上数据，因为它们太多了，但我可以报告它们的摘要：

我正在运行以下代码，即将负二项式分布的 AIC 值保存在向量中。

我收到以下错误消息：

fitdist(a, distr = "nbinom") 中的错误：函数 mle 无法估计参数，错误代码为 100 另外：警告消息：1：在 sqrt(diag(varcovar)) 中：产生了 NaN 2：在 sqrt (1/diag(V)) : NaNs 产生 3: 在 cov2cor(varcovar) : diag(.) 有 0 或 NA 条目；非限定结果值得怀疑

此外，输出仅包含 62 个值，而我期望 336 个值，因为我有 336 组分布。

fitdistrplus我正在创建我的第一个 Shiny 应用程序，我正在努力从包中绘制四个拟合优度测试。（作为参考，我试图从这里的参考资料中重现第 7 页的情节：

https://www.jstatsoft.org/article/view/v064i04/v64i04.pdf

简而言之，我希望用户根据变量 M 选择数据子集，然后评估变量 Q 的不同概率分布密度。我已经使用代码在 Shiny 之外创建了拟合优度图，并且效果很好。在 R Shiny 中，我可以单独绘制拟合 (fw, fg, fl) 但在使用denscomp、和时qqcomp，我会收到以下错误消息：cdfcompppcomp

错误：需要有限的“xlim”值

我试图在代码中添加xlimand ylim（例如：）xlim =c(0,300), ylim=c(0.008)，但我仍然收到错误消息。

有谁知道如何解决这个问题？

我的代码如下：

以及重新创建示例的数据：