为什么是'；曲线'；如此不同于'；行'；和'；点数'；在R？

我想用离散广义贝塔分布（）拟合频率数据

数据如下所示：

freq = c(1116, 2067, 137 ,  124, 643,  2042, 55  ,47186,  7504, 1488, 211,   1608,   
         3517 , 7  , 896  ,  378, 17 ,3098, 164977  ,  601 ,  196, 637, 149 , 44,2 ,  1801, 882   , 636,5184,  1851,  776 ,   343   , 851, 33  ,4011,   209,  715 , 
         937 , 20,   6922, 2028 , 23,  3045 , 16 , 334,  31 ,  2)

Rank = rank(-freq, ties.method = c("first") )
p = freq/sum(freq)

获取日志表格 离散广义beta分布的线性回归 情节

图1。情节是这样的 我的问题是什么是证明结果的正确方法？直线（点）还是曲线？ 更新： 虽然我还没有弄清楚下面的逻辑，但解决方案是：

@Frank提醒我注意在曲线中设置n的长度的技巧。它解决了这个问题。因此，当我们试图拟合原始数据时，曲线中的n是必要的。尽管在许多情况下，n被忽略

plot(p~Rank, log = "xy",xlab = "Rank (log)", ylab = "Probability (log)")
curve(zmf, col="blue", add = T, n = length(Rank)) # set the the number of x values at which to evaluate.

---

　图2正确使用曲线的方法：指定“n”此处需要指定

n

的原因是函数取决于

长度（x）

此处，通过

曲线

提供给函数的

x

的长度是

n

如果您坚持使用默认的

n=101

，但使用长度为101的向量

xx

为

行

和

点

，则这是您的绘图：

plot(p~Rank, xlim = c(1,80), log = "xy",xlab = "Rank (log)", ylab = "Probability (log)")
curve(zmf, col="blue", add = T)
xx=seq(1,length(Rank),length.out=101)
lines(zmf(xx)~xx, col = "red")
points(zmf(xx)~xx, col = "purple")

---

既不是巫毒也不是虫子！：）

嗯

zmf

只是一个通用函数，就像直线的公式

y=mx+b

或a

y=x**2

它们有通用形式，我们可以绘制，但是如果你用数据拟合它们或设置一些参数（y-截距、斜率等），这将改变图形的形状和位置curve@rawr但是在

行

和

点

@FrankWANG中使用的函数是相同的。请注意，

曲线

的

log=“xy”

参数被忽略，因为

add=TRUE

。由于前面的

plot

命令，在不带参数的情况下应用对数。这并不能解释这种差异。用粗体表示的问题的答案似乎是，

行

和

点

都是正确的，但是

曲线

有问题。更有趣的问题是，怎么了？我没有太多要补充的解释，但请检查一下当您将

n=length（Rank）

添加到调用

curve

时会发生什么。如果在

plot

命令中指定

xlim=range（Rank）

，而不是

c（1,80）

plot(p~Rank, xlim = c(1, 80), log = "xy",xlab = "Rank (log)", ylab = "Probability (log)")
curve(zmf, col="blue", add = T)
xx=c(1:length(Rank))
lines(zmf(xx)~xx, col = "red")
points(zmf(xx)~xx, col = "purple")

plot(p~Rank, log = "xy",xlab = "Rank (log)", ylab = "Probability (log)")
curve(zmf, col="blue", add = T, n = length(Rank)) # set the the number of x values at which to evaluate.

zmf = function(x) exp(co[[1]]+ co[[2]]*log(length(x)+1-x) + co[[3]]*log(x))
                                           ^^^^^^^^^

plot(p~Rank, xlim = c(1,80), log = "xy",xlab = "Rank (log)", ylab = "Probability (log)")
curve(zmf, col="blue", add = T)
xx=seq(1,length(Rank),length.out=101)
lines(zmf(xx)~xx, col = "red")
points(zmf(xx)~xx, col = "purple")