ggplot2: Histograma con la curva normal

Question

que he estado tratando de superponer una curva normal por encima de mi histograma con ggplot 2.

Mi fórmula:

data <- read.csv (path...) 

ggplot(data, aes(V2)) + 
    geom_histogram(alpha=0.3, fill='white', colour='black', binwidth=.04) 

He intentado varias cosas:

+ stat_function(fun=dnorm) 

.... no cambió nada

+ stat_density(geom = "line", colour = "red") 

... me dio una línea roja recta en el eje x.

+ geom_density() 

no funciona para mí porque quiero mantener mis valores de frecuencia en el eje y, y quiero no hay valores de densidad.

¿Alguna sugerencia?

¡Gracias de antemano por cualquier consejo!

¡Solución encontrada!

+geom_density(aes(y=0.045*..count..), colour="black", adjust=4)

Answer 1

Este código debe hacerlo:

set.seed(1) 
z <- rnorm(1000) 

qplot(z, geom = "blank") + 
geom_histogram(aes(y = ..density..)) + 
stat_density(geom = "line", aes(colour = "bla")) + 
stat_function(fun = dnorm, aes(x = z, colour = "blabla")) + 
scale_colour_manual(name = "", values = c("red", "green"), 
           breaks = c("bla", "blabla"), 
           labels = c("kernel_est", "norm_curv")) + 
theme(legend.position = "bottom", legend.direction = "horizontal") 

Nota: He utilizado qplot pero se puede utilizar el ggplot más versátil.

Answer 2

que lo tengo:

set.seed(1) 
df <- data.frame(PF = 10*rnorm(1000)) 
ggplot(df, aes(x = PF)) + 
    geom_histogram(aes(y =..density..), 
        breaks = seq(-50, 50, by = 10), 
        colour = "black", 
        fill = "white") + 
stat_function(fun = dnorm, args = list(mean = mean(df$PF), sd = sd(df$PF))) 

Answer 3

Esto ha sido contestada here y parcialmente here.

Si desea que el eje y tenga recuentos de frecuencia, entonces la curva normal debe escalarse de acuerdo con el número de observaciones y el ancho de la ranura.

# Simulate some data. Individuals' heights in cm. 
n  <- 1000 
mean  <- 165 
sd  <- 6.6 
binwidth <- 2 
height <- rnorm(n, mean, sd) 


qplot(height, geom = "histogram", breaks = seq(130, 200, binwidth), 
     colour = I("black"), fill = I("white"), 
     xlab = "Height (cm)", ylab = "Count") + 
    # Create normal curve, adjusting for number of observations and binwidth 
    stat_function( 
    fun = function(x, mean, sd, n, bw){ 
     dnorm(x = x, mean = mean, sd = sd) * n * bw 
    }, 
    args = c(mean = mean, sd = sd, n = n, bw = binwidth)) 

EDITAR

O, para un enfoque más flexible que permite el uso de facetas y se basa en un enfoque que aparece here, crear un conjunto de datos independiente que contiene los datos para las curvas normales y superponer estos.

library(plyr) 

dd <- data.frame(
    predicted = rnorm(720, mean = 2, sd = 2), 
    state = rep(c("A", "B", "C"), each = 240) 
) 

binwidth <- 0.5 

grid <- with(dd, seq(min(predicted), max(predicted), length = 100)) 
normaldens <- ddply(dd, "state", function(df) { 
    data.frame( 
    predicted = grid, 
    normal_curve = dnorm(grid, mean(df$predicted), sd(df$predicted)) * length(df$predicted) * binwidth 
) 
}) 

ggplot(dd, aes(predicted)) + 
    geom_histogram(breaks = seq(-3,10, binwidth), colour = "black", fill = "white") + 
    geom_line(aes(y = normal_curve), data = normaldens, colour = "red") + 
    facet_wrap(~ state) 

Answer 4

Este es un comentario extendido sobre la respuesta de JWilliman. Encontré la respuesta de J muy útil. Mientras jugaba descubrí una forma de simplificar el código. No digo que sea una mejor manera, pero pensé que lo mencionaría. Si hay inconvenientes de tipo "R infierno", eliminaré este comentario extendido como se recomienda.

Observe que la respuesta de JWilliman proporciona el recuento del eje y y un "truco" para escalar la aproximación normal de densidad correspondiente (que de lo contrario cubriría un área total de 1 y por lo tanto tendría un pico mucho más bajo).

Punto principal de este comentario: sintaxis simple dentro de stat_function, pasando los parámetros necesarios a la función estética, p.

aes(x = x, mean = 0, sd = 1, binwidth = 0.3, n = 1000)

Esto evita tener que pasar args =-stat_function y por lo tanto es más fácil de usar. De acuerdo, no es muy diferente, pero con suerte alguien lo encontrará interesante.

# parameters that will be passed to ``stat_function`` 
n = 1000 
mean = 0 
sd = 1 
binwidth = 0.3 # passed to geom_histogram and stat_function 
set.seed(1) 
df <- data.frame(x = rnorm(n, mean, sd)) 

ggplot(df, aes(x = x, mean = mean, sd = sd, binwidth = binwidth, n = n)) + 
    theme_bw() + 
    geom_histogram(binwidth = binwidth, 
     colour = "white", fill = "cornflowerblue", size = 0.1) + 
stat_function(fun = function(x) dnorm(x, mean = mean, sd = sd) * n * binwidth, 
    color = "darkred", size = 1)