在 R 中使用各种标准进行分布拟合
Distribution fitting using various criteria in R
假设我是一名正在进行例行研究的本科生。
是否有一种简单、直接的方法可以使用以下估计在 R 中查找和访问(或实施)分布拟合:
- Kolmogorov-Smirnov 最小距离估计
- Cramér–von Mises 最小距离估计
- Anderson-Darling 最小距离估计值
- 最大似然估计
我迷失在各种 R 包的大量文档和参考手册中。
这个问题更多地与使用 R 软件系统有关,而不是统计本身,这就是为什么我在这里,在 SO 提出这个问题。
library(fitdistrplus)
# normally distributed sample
x1 = rnorm(100)
# Kolmogorov-Smirnov mimimum distance method
fitdist(x1, "mge", distr="norm", gof="KS")
# Cramer-von Mises
fitdist(x1, "mge", distr="norm", gof="CvM")
# Anderson-Darling
fitdist(x1, "mge", distr="norm", gof="AD")
# Maximum Likelihood estimate
fitdist(x1, "mle", distr="norm")
事情看起来很简单。
假设我是一名正在进行例行研究的本科生。
是否有一种简单、直接的方法可以使用以下估计在 R 中查找和访问(或实施)分布拟合:
- Kolmogorov-Smirnov 最小距离估计
- Cramér–von Mises 最小距离估计
- Anderson-Darling 最小距离估计值
- 最大似然估计
我迷失在各种 R 包的大量文档和参考手册中。
这个问题更多地与使用 R 软件系统有关,而不是统计本身,这就是为什么我在这里,在 SO 提出这个问题。
library(fitdistrplus)
# normally distributed sample
x1 = rnorm(100)
# Kolmogorov-Smirnov mimimum distance method
fitdist(x1, "mge", distr="norm", gof="KS")
# Cramer-von Mises
fitdist(x1, "mge", distr="norm", gof="CvM")
# Anderson-Darling
fitdist(x1, "mge", distr="norm", gof="AD")
# Maximum Likelihood estimate
fitdist(x1, "mle", distr="norm")
事情看起来很简单。