在直方图上叠加正态分布

Question

  

可能重复：
  ggplot2: Overlay histogram with density curve

抱歉可能是一个简单的问题，但我有点问题。

我创建了一个基于二项分布的直方图，其中均值= 0.65，sd = 0.015，含10000个样本。直方图本身看起来很好。但是，我需要在此基础上覆盖正态分布（具有相同的均值和标准差）。目前，我有以下内容：

qplot（x，data = prob，geom =“histogram”，binwidth = .05）+ stat_function（geom =“line”，fun = dnorm，arg = list（mean = 0.65，sd = 0.015））

分布显示，但它是TINY。这可能是因为平均值计数上升到近2,000，而正态分布要小得多。简而言之，它不像R自动执行的那样配备数据。有没有办法指定正态分布的线以适合直方图，或者是否有某种方法可以操纵直方图以适应正态分布？

提前致谢。

Answer 1

@daroczig的答案是正确的，需要在绘制密度而不是计数时保持一致，但是：我很难看到你如何设法获得具有这些属性的二项式样本。特别是，二项式的平均值为n*p，方差为n*p*(1-p)，标准差为sqrt(n*p*(1-p))，因此..

b.m <- 0.65
b.sd <- 0.015

计算方差：

b.v <- b.sd^2  ## n*p*(1-p)

计算p：

## (1-p) = b.v/(n*p) = b.v/b.m
## p = 1-b.v/b.m
b.p <- 1-b.v/b.m

计算n：

## n = n*p/p = b.m/b.p
b.n <- b.m/b.p

这会给n=0.6502251，p=0.9996538 - 所以我看不出如何在没有n<1的情况下获得这个二项分布，除非我弄乱了代数......

Answer 2

“分布很小”，因为您正在计数上绘制密度函数。您应该在两个图中使用相同的度量标准，例如：

我尝试为您的示例生成一些数据：

x <- rbinom(10000, 10, 0.15)
prob <- data.frame(x=x/(mean(x)/0.65))

并将其绘制为密度函数：

library(ggplot2)
ggplot(prob, aes(x=x)) + geom_histogram(aes(y = ..density..), binwidth=.05) + stat_function(geom="line", fun=dnorm, arg=list(mean=0.65, sd=0.015))