如何在R中将高斯拟合为直方图？ [英] How to fit a gaussian to a histogram in R?

问题描述

可能重复：

在R中将密度曲线拟合为直方图

我有一组数据，当在直方图中绘制时，它们是高斯​​分布。我已经从.csv文件中读取了数据，如下所示：

I have a set of data that when plotted in a histogram is a Gaussian distribution. I have read the data in from a .csv file that looks like this:

"values"
1.29989
1.15652
1.27818
1.19699
1.28243
1.19433
1.10991
...

使用 data< -read.csv（〜/ peak.csv） ...因此我创建了一个使用 hist（data $ values）的直方图。
我希望能够使高斯拟合此直方图，并将拟合函数的sigma和均值与根据数据计算出的sigma和均值进行比较。

using data<-read.csv("~/peak.csv") ... so I create a histogram using hist(data$values). I want to be able to fit a Gaussian to this histogram and compare the fitted function's sigma and mean to the sigma and mean calculated from the data.

我所看到的每个地方都提到 nls 和 glm 但是即使执行？nls 和？glm 。

Everywhere that I have looked mentions nls and glm but I cannot figure out how to use these functions to fit a Gaussian to a histogram, even after doing ?nls and ?glm. Please help?

推荐答案

如果要使用内置函数，可以这样：

If you want to use the built in functions you can do it like this:

library("MASS")
data<-read.csv("~/peak.csv")
fitdistr(data, "normal")

请记住，对于高斯来说，这只是在计算均值和标准偏差。

Just keep in mind that for a gaussian this is just calculating the mean and standard deviation.

这篇关于如何在R中将高斯拟合为直方图？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！