R中零膨胀泊松分布的拟合

我有一个计数数据向量，它是非常过分散和零膨胀的

向量如下所示：

i.vec=c(0,63,1,4,1,44,2,2,1,0,1,0,0,0,0,1,0,0,3,0,0,2,0,0,0,0,0,2,0,0,0,0,
0,0,0,0,0,0,0,0,6,1,11,1,1,0,0,0,2)
m=mean(i.vec)
# 3.040816
sig=sd(i.vec)
# 10.86078

我想用一个分布来表示，我强烈怀疑这将是一个零膨胀泊松（ZIP）。但我需要进行显著性测试，以证明ZIP分布符合数据

如果我有一个正态分布，我可以使用vcd包中的函数goodfit（）进行卡方拟合优度测试，但我不知道我可以对零膨胀数据执行任何测试。

这里有一种方法

# LOAD LIBRARIES
library(fitdistrplus)    # fits distributions using maximum likelihood
library(gamlss)          # defines pdf, cdf of ZIP


# FIT DISTRIBUTION (mu = mean of poisson, sigma = P(X = 0)
fit_zip = fitdist(i.vec, 'ZIP', start = list(mu = 2, sigma = 0.5))

# VISUALIZE TEST AND COMPUTE GOODNESS OF FIT    
plot(fit_zip)
gofstat(fit_zip, print.test = T)

---

基于此，ZIP看起来不太合适。

可能属于stats.stackexchange.com？+1；但负二项拟合看起来确实可以接受：拟合确实不错。我还想尝试一下零膨胀负二项分布，它在

VGAM

软件包中作为

zinegbin

提供。非常感谢！你是如何选择你的mu和sigma的？还有，你是不是想写“print.test=T”？它们只是我随意填写的优化算法的起始值。相反，您可以使用

mu=mean（i.vec[i.vec>0]）

和

p

等于样本中零的比例作为起点。是的，我想写

print.test=T