如何在ggplot2直方图上正确叠加Beta分布？排查实现错误

核心问题原因 #

Beta分布曲线显示异常主要有3个关键问题：

1. 取值范围不匹配
   Beta分布的原生取值范围是0-1，但你的原始数据范围是15-45。stat_function默认会根据直方图的x轴范围（15-45）计算dbeta(x, ...)，而当x>1时，dbeta()返回0，导致曲线完全不可见。你之前拟合参数时将数据除以100缩放到0-1，但可视化时没有对x做反向适配，也没有调整密度函数的缩放比例。

2. 硬编码Beta参数
   代码中直接写死了dbeta(x, 7.339799, 17.05679)，没有使用之前通过fitdist拟合得到的shape1和shape2变量，这不仅不够灵活，还可能因数据变化导致参数失效。

3. 函数参数传递不规范
   调用graph_parameter_product(df, data, 5, "Test Data")时，data是全局变量，函数内部直接使用mean(column_value)可能无法正确引用数据框中的列，应该通过规范方式获取目标列数据。

修正后的完整代码 #

library(ggplot2)
library(fitdistrplus)

# 生成数据
set.seed(2203)
data <- runif(100, 15, 45)
df <- data.frame(data)

# 拟合Beta分布参数（数据缩放到0-1区间）
parameters <- fitdist(data/100, "beta")
shape1 <- parameters$estimate[["shape1"]]
shape2 <- parameters$estimate[["shape2"]]

# 修正后的可视化函数
graph_parameter_product <- function(data_set, column_name, bin_width, title_value) {
  # 获取数据框中的目标列
  col_data <- data_set[[column_name]]
  
  graph <- ggplot(data_set, aes(x = .data[[column_name]])) +
    geom_histogram(binwidth = bin_width, fill = "lightblue", colour = "black", aes(y = after_stat(density))) +
    labs(title = title_value) + 
    # 正态分布曲线
    stat_function(fun = dnorm,
                  args = list(mean = mean(col_data), sd = sd(col_data)),
                  mapping = aes(colour = "Normal")) +
    # 对数正态分布曲线
    stat_function(fun = dlnorm,
                  args = list(meanlog = mean(log(col_data)), sdlog = sd(log(col_data))),
                  linetype = "dotted", linewidth = 1.2, mapping = aes(colour = "LogNormal")) +
    # Beta分布曲线：先将x缩放到0-1，计算后再调整密度缩放比例
    stat_function(fun = function(x) dbeta(x/100, shape1, shape2)/100, 
                  aes(color = "Beta"), size = 1) +
    scale_colour_manual(values = c("Beta" = "green", "Normal" = "red", "LogNormal" = "black")) + 
    labs(colour = "Distribution") 
  
  graph 
}

# 调用函数
graph_parameter_product(df, "data", 5, "Test Data")

关键修正点说明 #

• Beta密度函数适配：通过x/100将原数据缩放到Beta分布的0-1范围，再通过/100调整密度比例（保证缩放后的密度积分仍为1，与直方图的density轴匹配）。
• 参数动态引用：使用拟合得到的shape1和shape2变量替代硬编码值，适配不同数据场景。
• 规范列引用：通过.data[[column_name]]和data_set[[column_name]]安全引用数据框中的列，避免全局变量依赖。

内容的提问来源于stack exchange，提问作者Joe the Second