我正在尝试将数据样本拟合到分布中。到目前为止,我已经创建了一个直方图,并将数据与 R 中的对数正态分布拟合,并在 excel 中制作了一个 QQ 图(对数(支付的福利)与理论正态分位数)。
这是我的直方图和QQ图:

但是,我认为这种分布与数据的拟合不够紧密。
我希望就是否存在更适合数据的分布提出意见。或者这是我能得到的最合适的吗?
我正在尝试将数据样本拟合到分布中。到目前为止,我已经创建了一个直方图,并将数据与 R 中的对数正态分布拟合,并在 excel 中制作了一个 QQ 图(对数(支付的福利)与理论正态分位数)。
这是我的直方图和QQ图:

但是,我认为这种分布与数据的拟合不够紧密。
我希望就是否存在更适合数据的分布提出意见。或者这是我能得到的最合适的吗?
你试过伽玛分布吗?这比对数法线更灵活一些,并且通常有更细的尾巴,这似乎是你不适合的地方。
如果这不起作用,您可能需要单击维基百科上的此列表。具有积极支持的发行版有很多选择,当然每种选择都有其优缺点,具体取决于您的应用程序。看起来您正在处理财务数据,因此帕累托分布也可能值得探索。不过,这往往有很厚的尾巴,所以也许先试试伽马。
不过有一条建议:您不会找到完全适合您的数据的封闭形式的分布。不同的分布会以不同的方式错过,所以你需要问自己到底有多好,分布在哪里。根据您的优先级,您的图片中的对数正态拟合可能实际上并没有那么糟糕。如果你在做回归分析,那么它可能会起作用。如果您正在建模尾部风险,那么可能不会。另外,你真的需要一个封闭的形式分布吗?如果分布适合 qua fit 是您的目标,那么也许经验分布是要走的路。
直方图中的 bin 有点太宽(默认的 bin 太少),很难清楚地辨别形状。
QQ 图表明,可能是两个或三个分量的有限混合,可能是正确的偏斜,可能像伽马分布。