Superposition de la distribution t asymétrique en utilisant ggplot2

Question

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:

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?

Answer 1

Essayez ceci:

library(ggplot2) 
set.seed(1) 
x <- data.frame(rt(5000,df=5,ncp=1)*10+7) 
names(x) <- c("test.data") 

# Define a Student t distribution with shape (nu) and location (mu) 
dt2 <- function(x, mu, nu, df, ncp) { 
    dt((x-mu)/nu,df,ncp)/nu 
} 

ggplot(x,aes(x=test.data)) + 
stat_function(fun = dt2, args=list(mu=7, nu=10, df=5, ncp=1), 
       aes(colour = 'Student t'), lwd=1) + 
geom_histogram(aes(y = ..density..), bins=100, alpha = 0.4)