如何用ggplot绘制10000次lambda=8泊松模拟的概率质量直方图
λ=8泊松随机变量模拟与概率质量直方图实现
常见报错根源
- 未提前加载
ggplot2包直接调用绘图函数,触发“找不到函数”类报错 - 混淆连续分布密度与离散分布概率质量,直接套用连续型直方图的绘制逻辑,导致纵轴数值不符合要求
- 对离散型的泊松样本使用默认连续分箱规则,出现分箱边界错位、取值偏移的问题
分步可复现实现
- 加载依赖包
- 首次运行先执行安装命令:
install.packages("ggplot2")(已安装可跳过) - 加载包:
library(ggplot2)
- 首次运行先执行安装命令:
- 生成模拟样本
- 固定随机种子保证结果可复现:
set.seed(2024) - 生成10000个λ=8的泊松随机数:
poisson_samples <- rpois(n = 10000, lambda = 8)
- 固定随机种子保证结果可复现:
- 计算对应取值的概率质量
泊松是离散分布,概率质量为每个整数取值的出现频次除以总样本量,不能直接使用连续型直方图的默认密度计算值
- 统计每个取值的出现频次:
sample_freq <- as.data.frame(table(poisson_samples)) - 转换取值为整数类型:
sample_freq$poisson_samples <- as.integer(as.character(sample_freq$poisson_samples)) - 换算为概率质量:
sample_freq$prob_mass <- sample_freq$Freq / nrow(poisson_samples)
- 统计每个取值的出现频次:
- 绘制目标直方图
因泊松变量为离散类型,使用柱形匹配每个整数取值的概率质量,等价于要求的纵轴为概率质量的直方图,完整可运行绘图代码为:ggplot(sample_freq, aes(x = poisson_samples, y = prob_mass)) + geom_col(fill = "#2c7fb8", width = 0.7) + scale_x_continuous(breaks = seq(0, max(sample_freq$poisson_samples), by = 2)) + labs( x = "随机变量取值", y = "概率质量", title = "λ=8的泊松分布10000次模拟结果" ) + theme_minimal()
结果校验
- 运行
mean(poisson_samples)检查样本均值,结果会在8附近小幅波动,符合泊松分布均值等于参数λ的性质 - 纵轴最大值落在0.1附近,与λ=8的泊松分布理论峰值位置一致,说明计算逻辑正确
内容的提问来源于stack exchange,提问作者yeetbro
相关产品推荐
相关产品推荐

