如何用R为截断数据拟合截断分布？（含gamma等分布场景）

核心思路：利用fitdistrplus内置的truncation参数 #

无需手动编写截断分布的密度函数，fitdist本身支持通过truncation参数指定截断区间，直接基于原生分布拟合即可，这是最简洁且不易出错的方案。

1. 拟合左截断Gamma分布 #

用你的示例数据演示完整流程：

library(fitdistrplus)
set.seed(123)

# 生成原始Gamma分布数据
shape_true <- 2
rate_true <- 1
data <- rgamma(1000, shape = shape_true, rate = rate_true)

# 左截断点a=1，生成截断后的数据
a <- 1
data_truncated <- data[data > a]

# 拟合左截断Gamma分布
fit_gamma <- fitdist(
  data = data_truncated,
  distr = "gamma",
  start = list(shape = 2, rate = 1),
  lower = c(0, 0),
  truncation = c(a, Inf)  # 指定左截断点，右截断设为Inf表示无右截断
)

# 查看拟合结果与诊断图
summary(fit_gamma)
plot(fit_gamma)

2. 拟合截断Weibull分布 #

示例：指定左右双截断点

set.seed(123)

# 生成原始Weibull分布数据
shape_true <- 1.5
scale_true <- 3
data_weibull <- rweibull(1000, shape = shape_true, scale = scale_true)

# 截断数据：仅保留0.5 < x < 5的样本
data_weibull_trunc <- data_weibull[data_weibull > 0.5 & data_weibull < 5]

# 拟合截断Weibull分布
fit_weibull <- fitdist(
  data = data_weibull_trunc,
  distr = "weibull",
  start = list(shape = 1.5, scale = 3),
  truncation = c(0.5, 5)  # 同时指定左右截断点
)

summary(fit_weibull)
plot(fit_weibull)

3. 拟合截断对数正态分布 #

示例：左截断点为1（对应对数正态的原始正态分布阈值为log(1)=0）

set.seed(123)

# 生成原始对数正态分布数据
meanlog_true <- 0.5
sdlog_true <- 0.3
data_lnorm <- rlnorm(1000, meanlog = meanlog_true, sdlog = sdlog_true)

# 左截断点a=1，生成截断后的数据
a <- 1
data_lnorm_trunc <- data_lnorm[data_lnorm > a]

# 拟合截断对数正态分布
fit_lnorm <- fitdist(
  data = data_lnorm_trunc,
  distr = "lnorm",
  start = list(meanlog = 0.5, sdlog = 0.3),
  truncation = c(a, Inf)
)

summary(fit_lnorm)
plot(fit_lnorm)

你的原始代码出错原因 #

你手动定义了dtruncgamma密度函数，但fitdist需要自定义分布的完整函数族：

• 密度函数（dtruncgamma）
• 累积分布函数（ptruncgamma）
• 分位数函数（qtruncgamma）
• 随机数生成函数（rtruncgamma）
  缺少任意一个都会导致拟合失败。而用内置的truncation参数可直接复用R原生的分布函数，无需额外定义，高效且可靠。

内容的提问来源于stack exchange，提问作者yeahman269