拟合R中的多峰分布; 从拟合分布中生成新值

Question

我正在使用小样本数据：

>dput(dat.demand2050.unique)  
c(79, 56, 69, 61, 53, 73, 72, 86, 75, 68, 74.2, 80, 65.6, 60, 54)    

其密度分布如下：

我知道这些值来自两个方案 - 低和高 - 并假设基础过程是正常的，我使用mixtools包来适应双峰分布：

set.seed(99)  
dat.demand2050.mixmdl <- normalmixEM(dat.demand2050.unique, lambda=c(0.3,0.7), mu=c(60,70), k=2)

这给了我以下结果：

（实线是拟合曲线，虚线是原始密度）。

# get the parameters of the mixture
dat.demand2050.mixmdl.prop <- dat.demand2050.mixmdl$lambda    #mix proportions
dat.demand2050.mixmdl.means <- dat.demand2050.mixmdl$mu    #modal means
dat.demand2050.mixmdl.dev <- dat.demand2050.mixmdl$sigma   #modal std dev  

混合参数是：

>dat.demand2050.mixmdl.prop  #mix proportions  
[1] 0.2783939 0.7216061  
>dat.demand2050.mixmdl.means  #modal means  
[1] 56.21150 73.08389  
>dat.demand2050.mixmdl.dev  #modal std dev  
[1] 3.098292 6.413906 

我有以下问题：

1. 要生成一组近似于基础分布的新值，我的方法是正确的还是有更好的工作流程？
2. 如果我的方法是正确的，我如何使用此结果从此混合分布生成一组随机值？

Answer 1

您的样本量对于拟合混合物有点不确定，但不要紧。 您可以按照以下方式从装配的混合物中取样：

probs <- dat.demand2050.mixmdl$lambda
m <- dat.demand2050.mixmdl$mu
s <- at.demand2050.mixmdl$sigma

N <- 1e5
grp <- sample(length(probs), N, replace=TRUE, prob=probs)
x <- rnorm(N, m[grp], s[grp])

Answer 2

你的方法是正确的。

对于混合分布中的每个样本，您只需选择样本应来自的两个分量高斯分布中的哪一个，然后从该分布中绘制样本。

您可以使用找到的混合比例在两个分布之间进行选择：模拟0到1之间的随机数，如果随机数小于第一个比例，则从第一个分布中取样，否则从第二个分布中取样。

最后，使用rnorm函数从相关高斯分布中抽样。

dat.demand2050.mixmdl.prop=c(0.2783939,0.7216061)
dat.demand2050.mixmdl.means=c(56.21150,73.08389)
dat.demand2050.mixmdl.dev=c(3.098292,6.413906)

sampleMixture=function(prop,means,dev){
    # Generate a uniformly distributed random number between 0 and 1
    # in order to choose between the two component distributions
    distTest=runif(1)
    if(distTest<prop[1]){
        # Then sample from the first component of the mixture
        sample=rnorm(1,mean=means[1],sd=dev[1])
    }else{
        # Sample from the second component of the mixture
        sample=rnorm(1,mean=means[2],sd=dev[2])
    }
    return(sample)
}

# Generate a single sample
sampleMixture(dat.demand2050.mixmdl.prop,dat.demand2050.mixmdl.means,dat.demand2050.mixmdl.dev)

# Generate 100 samples and plot resulting distribution
samples=replicate(100,sampleMixture(dat.demand2050.mixmdl.prop,dat.demand2050.mixmdl.means,dat.demand2050.mixmdl.dev))
plot(density(samples))