R 向直方图添加拟合函数 库（ggplot2） 图书馆（FitPlus） 种子（1） dat

也许你在找这个。由于您的

myfun

的域，某些值无法显示：

library(ggplot2)
library(fitdistrplus)
set.seed(1)
dat <- data.frame(n = rlnorm(1000))

# binwidth 
bw = 0.2

# fit a lognormal distribution
fit_params <- fitdistr(dat$n,"lognormal")

ggplot(dat, aes(n))  + 
  geom_histogram(aes(y = ..density..), binwidth = bw, colour = "black") + 
  stat_function(fun = dlnorm, size = 1, color = 'gray',
                args = list(mean = fit_params$estimate[1], sd = fit_params$estimate[2]))

# my defined function
myfun <- function(x, a, b) 1/(sqrt(2*pi*b(x-1)))*exp(-0.5*((log(x-a)/b)^2)) # a and b are meanlog and sdlog resp.

库（ggplot2）
图书馆（FitPlus）
种子（1）
谢谢。是否有其他方法来估计拟合参数
a
和
b
@K.Maya是的，您可以使用
nls（）
这是一种最小二乘算法，或者尝试
optim（）
根据函数的域设置初始值，以最大化或最小化函数！
library(ggplot2)
library(fitdistrplus)
set.seed(1)
dat <- data.frame(n = rlnorm(1000))

# binwidth 
bw = 0.2

# fit a lognormal distribution
fit_params <- fitdistr(dat$n,"lognormal")
# my defined function
myfun <- function(x, a, b) 1/(sqrt(2*pi*b*(x-1)))*exp(-0.5*((log(x-a)/b)^2)) 
# a and b are meanlog and sdlog resp.

#Plot
ggplot(dat, aes(n))  + 
  geom_histogram(aes(y = ..density..), binwidth = bw, colour = "black") + 
  stat_function(fun = myfun, size = 1, color = 'gray',
                args = list(a = fit_params$estimate[1], b = fit_params$estimate[2]))