LoslegenKostenlos starten

Mischung aus drei Gaußschen Verteilungen

Was ändert sich, wenn wir eine weitere Verteilung in unsere Simulation aufnehmen? Du wirst sehen, dass eine höhere Anzahl an Komponenten die Massendichte so verteilt, dass die zusätzliche Verteilung berücksichtigt wird – die Logik bleibt aber dieselbe wie in der vorherigen Übung.

Diese Übung ist Teil des Kurses

<Kurs>Mischungsmodelle in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstelle assignments, das die Werte 0, 1 und 2 mit den Wahrscheinlichkeiten 0,3, 0,4 bzw. 0,3 annimmt.
  • Der Data Frame mixture zieht Stichproben aus einer Gaußschen Verteilung mit mean = 5 und sd = 2, wenn assignments gleich 1 ist. Wenn assignments gleich 2 ist, sind mean = 10 und sd = 1. Andernfalls handelt es sich um eine Standardnormalverteilung.
  • Zeichne das Histogramm mit 50 Bins.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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..), ___ = ___)
Code bearbeiten und ausführen