Jak dodać krzywa gaussowska do histogramu utworzonego za pomocą qplot?

Question

Mam pytanie prawdopodobnie podobne do Fitting a density curve to a histogram in R. Korzystanie qplot Stworzyłem 7 histogramy z tym poleceniem:

Dla każdego segmentu, chciałbym dodać dopasowania krzywej Gaussa. Kiedy próbuję użyć lines() metodę, otrzymuję błąd:

Error in plot.xy(xy.coords(x, y), type = type, ...) : 
plot.new has not been called yet 

Co to jest polecenie, aby zrobić to prawidłowo?

Answer 1

Czy próbowałeś już stat_function?

+ stat_function(fun = dnorm) 

Pewnie chce wykreślić histogramy pomocą aes(y = ..density..) aby wykreślić wartości gęstości niż hrabiów.

Wiele przydatnych informacji można znaleźć w pytaniu this, w tym kilka wskazówek dotyczących wykreślania różnych krzywych normalnych na różnych stronach.

Oto przykłady:

dat <- data.frame(x = c(rnorm(100),rnorm(100,2,0.5)), 
        a = rep(letters[1:2],each = 100)) 

nakładane jedna normalnie gęstość każdego aspektu:

ggplot(data = dat,aes(x = x)) + 
    facet_wrap(~a) + 
    geom_histogram(aes(y = ..density..)) + 
    stat_function(fun = dnorm, colour = "red") 

od kwestii, że związane, tworzyć oddzielną ramkę danych z różne normalne krzywe:

grid <- with(dat, seq(min(x), max(x), length = 100)) 
normaldens <- ddply(dat, "a", function(df) { 
    data.frame( 
    predicted = grid, 
    density = dnorm(grid, mean(df$x), sd(df$x)) 
) 
}) 

i wykreślić je oddzielnie przy użyciu geom_line:

ggplot(data = dat,aes(x = x)) + 
    facet_wrap(~a) + 
    geom_histogram(aes(y = ..density..)) + 
    geom_line(data = normaldens, aes(x = predicted, y = density), colour = "red") 

Answer 2

ggplot2 wykorzystuje paradygmat różnych grafik niż grafik bazowych. (Chociaż można użyć grid grafiki z niego, najlepszym sposobem jest dodanie nowego stat_function warstwę fabuły. Kod ggplot2 jest następujący.

Zauważ, że nie mogę uzyskać to do pracy za pomocą qplot, ale przejście do ggplot jest rozsądnie straighforward, najważniejszą różnicą jest to, że dane musi być w data.frame formacie

również zwrócić uwagę na wyraźne odwzorowanie y estetyczny aes=aes(y=..density..)). - to jest nieco spokojniejsza ale bierze niezwykłe rezultaty i stat_function mapuje go do danych:

library(ggplot2) 
data <- data.frame(V1 <- rnorm(700), V2=sample(LETTERS[1:7], 700, replace=TRUE)) 
ggplot(data, aes(x=V1)) + 
    stat_bin(aes(y=..density..)) + 
    stat_function(fun=dnorm) + 
    facet_grid(V2~.)