Směs tří Gaussových rozdělení

Co se změní, když do simulace přidáme další rozdělení? Uvidíš, že s rostoucím počtem komponent se hustota pravděpodobnosti rozloží i na toto nové rozdělení – logika ale zůstává stejná jako v předchozím cvičení.

Toto cvičení je součástí kurzu

Mixture Models v R

Zobrazit kurz

Pokyny k cvičení

Vytvoř vektor assignments, který nabývá hodnot 0, 1 a 2 s pravděpodobností 0,3, 0,4 a 0,3.
Datový rámec mixture vzorkuje z Gaussova rozdělení s mean 5 a sd 2, pokud je assignments rovno 1. Pokud je assignments rovno 2, použij mean 10 a sd 1. V ostatních případech použij standardní normální rozdělení.
Vykresli histogram s 50 třídami.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

number_observations <- 1000

# Create the assignment object
assignments <- sample(
	c(0,1,2), size = number_observations, replace = TRUE, prob = c(0.3, ___, 0.3)
)

# Simulate the GMM with 3 distributions
mixture <- data.frame(
	x = ifelse(___ == 1, rnorm(n = number_observations, mean = ___, sd = ___), ifelse(assignments == 2, rnorm(n = number_observations, mean = ___, sd = ___), rnorm(n = ___)))
)

# Plot the mixture
mixture %>% 
  ggplot() + ___(aes(x = x, y = ..density..), ___ = ___)

Upravit a spustit kód