J'essaie de montrer si la distribution t asymétrique ou une distribution normale s'adapte mieux à un certain ensemble de données. En faisant cela, j'ai décidé de superposer à la fois une distribution normale ajustée et une distribution t ajustée. Pour la distribution normale Aucun problème à l'aide stat_fun:Superposition de la distribution t asymétrique en utilisant ggplot2
x <- data.frame(rnorm(500))
names(x) <- c("test.data")
ggplot(x,aes(x=test.data)) +
stat_function(fun = dnorm, args=list(mean=mean(x$test.data,na.rm=TRUE),
sd=sd(x$test.data,na.rm=TRUE)), aes(colour = 'Normal')) +
geom_histogram(aes(y = ..density..), alpha = 0.4)
Ce qui donne le graphique ci-dessous:
Maintenant, je veux faire la même chose pour la distribution t asymétrique, où je une forme (nu), une localisation (mu), une dispersion (sigma) et un paramètre de non-centralité (gamma). Si j'entre la distribution t dans la fonction stat_function, je peux seulement spécifier le paramètre shape et non-centrality, en utilisant la fonction dt des stats du package.
Y at-il un moyen de superposer une distribution t sur mon histogramme où je peux prédéfinir les quatre paramètres?