La distribución Gamma se usa específicamente para determinar la distribución exponencial, la distribución de Erlang y la distribución de chi-cuadrado. También se conoce como la familia de dos parámetros que tiene la distribución de probabilidad continua.
Implementación paso a paso
Paso 1: Instale e importe el paquete fitdistrplus en R:
install.package("fitdistrplus") library(fitdistrplus)
El paquete fitdistrplus nos proporciona la función fitdist para ajustar una distribución.
Sintaxis:
fitdist(conjunto de datos, distr = “elección”, método = “método”)
Aquí,
- distr = “elección” : Representa la elección de distribución
- method = “método” : Representa el método de ajuste de los datos
Paso 2: Ahora, ajustaríamos los datos del conjunto de datos con la ayuda de la distribución gamma y con la ayuda del enfoque de estimación de máxima verosimilitud para ajustar el conjunto de datos.
R
# Generating 20 random values that uses # a gamma distribution having shape # parameter as 10 # combined with some gaussian noise data <- rgamma(20, 3, 10) + rnorm(20, 0, .02) # Fit the dataset to a gamma distribution # using mle ans <- fitdist(data, distr = "gamma", method = "mle") # Display the summary of ans summary(ans)
Producción:
Ahora produciremos algunos gráficos que mostrarán qué tan bien se ajusta la distribución gamma al conjunto de datos con la ayuda de la siguiente sintaxis.
R
# Import the package library(fitdistrplus) # Generating 20 random values that uses a # gamma distribution having shape parameter # as 10 # combined with some gaussian noise data <- rgamma(20, 3, 10) + rnorm(20, 0, .02) # Fitting the dataset to a gamma distribution # with the help of mle ans <- fitdist(data, distr = "gamma", method = "mle") # Display the plot plot(ans)
Producción:
Ejemplo:
R
# Import the package library(fitdistrplus) # Generating 20 random values that uses a # gamma distribution having shape parameter # as 10 # combined with some gaussian noise data <- rgamma(20, 3, 10) + rnorm(20, 0, .02) # Fitting the dataset to a gamma distribution # with the help of mle ans <- fitdist(data, distr = "gamma", method = "mle") # Display the summary of the ans summary(ans) # Display the plot plot(ans)
Producción: