я работаю с данными небольшого размера выборки:Установка мультимодальных распределений в R; генерируя новые значения подогнанного распределения
>dput(dat.demand2050.unique)
c(79, 56, 69, 61, 53, 73, 72, 86, 75, 68, 74.2, 80, 65.6, 60, 54)
, для которых распределение плотности выглядит следующим образом:
Я знаю, что значения из двух режимов - низкий и высокий - и предполагая, что основной процесс является нормальным, я использовал mixtools
пакет, чтобы соответствовать бимодальное распределение:
set.seed(99)
dat.demand2050.mixmdl <- normalmixEM(dat.demand2050.unique, lambda=c(0.3,0.7), mu=c(60,70), k=2)
, который дает мне следующую информацию:
(сплошные линии - это кривые, а пунктирная линия - исходная плотность).
# get the parameters of the mixture
dat.demand2050.mixmdl.prop <- dat.demand2050.mixmdl$lambda #mix proportions
dat.demand2050.mixmdl.means <- dat.demand2050.mixmdl$mu #modal means
dat.demand2050.mixmdl.dev <- dat.demand2050.mixmdl$sigma #modal std dev
Параметров смеси:
>dat.demand2050.mixmdl.prop #mix proportions
[1] 0.2783939 0.7216061
>dat.demand2050.mixmdl.means #modal means
[1] 56.21150 73.08389
>dat.demand2050.mixmdl.dev #modal std dev
[1] 3.098292 6.413906
У меня следующие вопросы:
- Для того, чтобы создать новый набор значений, которые аппроксимируют базовое распределение, мой подход правильный или является там лучший рабочий процесс?
- Если мой подход верен, как я могу использовать этот результат для генерации набора случайных значений из этого смешанного распределения?
Я думаю, этот вопрос может быть лучше подходит для CrossValidated: http://stats.stackexchange.com –
@DavidMarx да, я обсуждал, что и даже ли перекрестное но в конечном итоге решил написать здесь, так как мой второй вопрос больше касается кодирования. Тем не менее, я бы с радостью сделал это, если бы мотивы подумали, что он лучше подходит. – avg
Я не уверен, что ваш подход разумный. Вы не указываете, что вы планируете делать со случайными числами. Кроме того, ваш размер выборки очень мал, и оценка нормальных распределений из таких небольших размеров выборки немного сомнительна. Может быть, бутстрап будет лучшим подходом к вашей конечной цели? – Roland