将拟合威布尔分布（FitDisr）添加到几何图形（ggplot2）分类图

我根据ggplot2中的人口普查数据创建了年龄与人口规模（按性别）的条形图。类似地，我使用FitDistripPlus软件包中的“fitdist”函数来推导归一化（通过所有年龄段的最大观察人口）人口数据的Weibull参数

我想做的是将绘制的数据与分布叠加为线图。我试过了

+ geom_line (denscomp(malefit.w))

加上其他众多（不成功的）策略

任何可以提供的帮助都将不胜感激！请查找下面附加的语法：

数据结构

    Order     Age    Male  Female   Total  male.norm
1      1   0 - 5 2870000 2820000 5690000 1.00000000
2      2   5 - 9 2430000 2390000 4820000 0.84668990
3      3 10 - 14 2340000 2250000 4590000 0.81533101
4      4 15 - 19 2500000 2500000 5000000 0.87108014
5      5 20 - 24 2690000 2680000 5370000 0.93728223
6      6 25 - 29 2540000 2520000 5060000 0.88501742
7      7 30 - 34 2040000 1990000 4030000 0.71080139
8      8 35 - 39 1710000 1760000 3470000 0.59581882
9      9 40 - 44 1400000 1550000 2950000 0.48780488
10    10 45 - 49 1200000 1420000 2620000 0.41811847
11    11 50 - 54 1010000 1210000 2220000 0.35191638
12    12 55 - 59  812000  985000 1800000 0.28292683
13    13 60 - 64  612000  773000 1390000 0.21324042
14    14 65 - 69  402000  556000  958000 0.14006969
15    15 70 - 74  293000  455000  748000 0.10209059
16    16 75 - 79  165000  316000  481000 0.05749129
17    17 80 - 84  101000  222000  323000 0.03519164
18    18 85 plus   75500  180000  256000 0.02630662
   female.norm 
1   1.00000000  
2   0.84751773   
3   0.79787234    
4   0.88652482    
5   0.95035461    
6   0.89361702    
7   0.70567376    
8   0.62411348   
9   0.54964539    
10  0.50354610    
11  0.42907801    
12  0.34929078    
13  0.27411348   
14  0.19716312    
15  0.16134752   
16  0.11205674    
17  0.07872340   
18  0.06382979 

---

这就是我在上面提出的原始问题的答案。结合问题中公布的数据，这是一个从头到尾的解决方案（即绘制原始数据）

南非年龄人口数据（按性别）拟合威布尔分布（Theresa Cain和Ben Small）

加载库

library(MASS)
library(ggplot2)  

导入数据集

age_gender2 <- read.csv("age_gender2.csv", sep=",", header = T)

---

age\u gender2这是我在上面提出的原始问题的答案。结合问题中公布的数据，这是一个从头到尾的解决方案（即绘制原始数据）

南非年龄人口数据（按性别）拟合威布尔分布（Theresa Cain和Ben Small）

加载库

library(MASS)
library(ggplot2)  

导入数据集

age_gender2 <- read.csv("age_gender2.csv", sep=",", header = T)

age\u gender2，而不是依赖于我们了解csv文件是如何构造的。相反，您应该用代码构建一个类似的数据集，这样我们就可以看到您在哪里出错了。谢谢您的建议。我通过添加GeoMuSLoad解决了我原来的问题，但是揭示了另一个问题——与我在这里提出的问题无关。请考虑在回答字段中移动你提供给自己的问题的“答案”的假设。TKST，而不是依赖于我们了解您对csv文件是如何构造的想法。相反，您应该用代码构建一个类似的数据集，这样我们就可以看到您在哪里出错了。谢谢您的建议。我通过添加GeoMuSLoad解决了我原来的问题，但是揭示了另一个问题——与我在这里提出的问题无关。请考虑在回答字段中移动你提供给自己的问题的“答案”的假设。Tks
age.all <- matrix(0,1,age.groups)

age.all[1,1] <- 2.5 

for(i in 2:age.groups){ 

age.all[1,i] <- ((5*(i)) - 2.5)  

}

male.data <- rep(age.all,age_gender2$Male) 
female.data <- rep(age.all,age_gender2$Female)

male.weib <- fitdistr(male.data, "weibull")
female.weib <- fitdistr(female.data, "weibull")


male.shape <- male.weib$estimate[1] 
male.scale <- male.weib$estimate[2] 

female.shape <- female.weib$estimate[1] 
female.scale <- female.weib$estimate[2] 

age_gender2["Age_Median"] <- t(age.all)

male.p.weibull <- matrix(0,1,age.groups)
female.p.weibull <- matrix(0,1,age.groups)

for (i in 1:age.groups){

male.p.weibull[1,i] <- pweibull(age.all[1,i]+2.5, male.shape, male.scale) -  pweibull(age.all[1,i]-2.5, male.shape, male.scale)

 }

for (i in 1:age.groups){

female.p.weibull[1,i] <- pweibull(age.all[1,i]+2.5, female.shape, female.scale) - pweibull(age.all[1,i]-2.5, female.shape, female.scale)

 }

age_gender2["male.prob"] <- t(male.p.weibull * total.male)
age_gender2["female.prob"] <- t(female.p.weibull * total.female)

agp.male <- ggplot(age_gender2, aes(x=reorder(Age, Order), y=Male, fill=Male)) +   geom_bar(stat="identity") + theme (axis.text.x=element_text(angle=45, hjust=1)) + xlab("Age Group (5 yr bin)") + ylab("Male Population (M)") + geom_smooth(aes(age_gender2$Age,age_gender2$male.prob, group=1))

agp.female <- ggplot(age_gender2, aes(x=reorder(Age, Order), y=Female, fill=Female)) + geom_bar(stat="identity") + theme (axis.text.x=element_text(angle=45, hjust=1)) + xlab("Age Group (5 yr bin)") + ylab("Female Population (M)") + geom_smooth(aes(age_gender2$Age,age_gender2$female.prob, group=1))