Angenommen, ich habe 1000 Komponenten und habe Daten darüber gesammelt, wie oft ein Fehler protokolliert wurde. Jedes Mal, wenn ein Fehler protokolliert wurde, verfolge ich auch, wie lange mein Team zur Behebung des Problems gebraucht hat. Kurz gesagt, ich habe die Reparaturzeit (in Sekunden) für jede dieser 1000 Komponenten aufgezeichnet. Daten werden am Ende dieser Frage angegeben.
Ich habe all diese Werte genommen und ein Cullen und Frey-Diagramm in R descdist
aus dem fitdistrplus
Paket gezogen. Ich hatte die Hoffnung zu verstehen, ob die Reparaturzeit einer bestimmten Verteilung folgt. Hier ist der Plot mit boot=500
den Bootstrap-Werten:
Ich sehe, dass dieser Plot mir sagt, dass die Beobachtung in die Betaverteilung fällt (oder vielleicht nicht, in welchem Fall, was offenbart sie?). Nun, wenn man bedenkt, dass ich ein Systemarchitekt und kein Statistiker bin, was offenbart dieser Plot ? (Ich suche nach einer praktischen Intuition hinter diesen Ergebnissen).
BEARBEITEN:
QQplot mit der qqPlot
Funktion im Paket car
. Ich habe zuerst die Form- und Skalierungsparameter unter Verwendung der fitdistr
Funktion geschätzt .
> fitdistr(Data$Duration, "weibull")
shape scale
3.783365e-01 5.273310e+03
(6.657644e-03) (3.396456e+02)
Dann habe ich das gemacht:
qqPlot(LB$Duration, distribution="weibull", shape=3.783365e-01, scale=5.273310e+03)
EDIT 2:
Aktualisierung mit einem normalen QQplot.
Hier sind meine Daten:
c(1528L, 285L, 87138L, 302L, 115L, 416L, 8940L, 19438L, 165820L,
540L, 1653L, 1527L, 974L, 12999L, 226L, 190L, 306L, 189L, 138542L,
3049L, 129067L, 21806L, 456L, 22745L, 198L, 44568L, 29355L, 17163L,
294L, 4218L, 3672L, 10100L, 290L, 8341L, 128L, 11263L, 1495243L,
1699L, 247L, 249L, 300L, 351L, 608L, 186684L, 524026L, 1392L,
396L, 298L, 1063L, 11102L, 6684L, 6546L, 289L, 465L, 261L, 175L,
356L, 61652L, 236L, 74795L, 64982L, 294L, 95221L, 322L, 38892L,
2146L, 59347L, 2118L, 310801L, 277964L, 205679L, 5980L, 66102L,
36495L, 580277L, 27600L, 509L, 21795L, 21795L, 301L, 617L, 331L,
250L, 123501L, 144L, 347L, 121443L, 211L, 232L, 445783L, 9715L,
10308L, 1921L, 178L, 168L, 291L, 6915L, 6735L, 1008478L, 274L,
20L, 3287L, 591208L, 797L, 586L, 170613L, 938L, 3121L, 249L,
1497L, 24L, 1407L, 1217L, 1323L, 272L, 443L, 49466L, 323L, 323L,
784L, 900L, 26814L, 2452L, 214713L, 3668L, 325L, 20439L, 12304L,
261L, 137L, 379L, 2273L, 274L, 17760L, 920699L, 13L, 485644L,
1243L, 226L, 20388L, 584L, 17695L, 1477L, 242L, 280L, 253L, 17964L,
7073L, 308L, 260692L, 155L, 58136L, 16644L, 29353L, 543L, 276L,
2328L, 254L, 1392L, 272L, 480L, 219L, 60L, 2285L, 2676L, 256L,
234L, 1240L, 219714L, 102174L, 258L, 266L, 33043L, 530L, 6334L,
94047L, 293L, 536L, 48557L, 4141L, 39079L, 23259L, 2235L, 17673L,
28268L, 112L, 64824L, 127992L, 5291L, 51693L, 762L, 1070735L,
179L, 189L, 157L, 157L, 122L, 1045L, 1317L, 186L, 57901L, 456126L,
674L, 2375L, 1782L, 257L, 23L, 248L, 216L, 114L, 11662L, 107890L,
203022L, 513L, 2549L, 146L, 53331L, 1690L, 10752L, 1648611L,
148L, 611L, 198L, 443L, 10061L, 720L, 10L, 24L, 220L, 38L, 453L,
10066L, 115774L, 97713L, 7234L, 773L, 90154L, 151L, 1560L, 222L,
51558L, 214L, 948L, 208L, 1127L, 221L, 169L, 1528L, 78959L, 61566L,
88049L, 780L, 6196L, 633L, 214L, 2547L, 19088L, 119L, 561L, 112L,
17557L, 101086L, 244L, 257L, 94483L, 6189L, 236L, 248L, 966L,
117L, 333L, 278L, 553L, 568L, 356L, 731L, 25258L, 127931L, 7735L,
112717L, 395L, 12960L, 11383L, 16L, 229067L, 259076L, 311L, 366L,
2696L, 7265L, 259076L, 3551L, 7782L, 4256L, 87121L, 4971L, 4706L,
245L, 34457L, 4971L, 4706L, 245L, 34457L, 258L, 36071L, 301L,
2214L, 2231L, 247L, 537L, 301L, 2214L, 230L, 1076L, 1881L, 266L,
4371L, 88304L, 50056L, 50056L, 232L, 186336L, 48200L, 112L, 48200L,
48200L, 6236L, 82158L, 6236L, 82158L, 1331L, 713L, 89106L, 46315L,
220L, 5634L, 170601L, 588L, 1063L, 2282L, 247L, 804L, 125L, 5507L,
1271L, 2567L, 441L, 6623L, 64781L, 1545L, 240L, 2921L, 777L,
697L, 2018L, 24064L, 199L, 183L, 297L, 9010L, 16304L, 930L, 6522L,
5717L, 17L, 20L, 364418L, 58246L, 7976L, 304L, 4814L, 307L, 487L,
292016L, 6972L, 15L, 40922L, 471L, 2342L, 2248L, 23L, 2434L,
23342L, 807L, 21L, 345568L, 324L, 188L, 184L, 191L, 188L, 198L,
195L, 187L, 185L, 33968L, 1375L, 121L, 56872L, 35970L, 929L,
151L, 5526L, 156L, 2687L, 4870L, 26939L, 180L, 14623L, 265L,
261L, 30501L, 5435L, 9849L, 5496L, 1753L, 847L, 265L, 280L, 1840L,
1107L, 2174L, 18907L, 14762L, 3450L, 9648L, 1080L, 45L, 6453L,
136351L, 521L, 715L, 668L, 14550L, 1381L, 13294L, 13100L, 6354L,
6319L, 84837L, 84726L, 84702L, 2126L, 36L, 572L, 1448L, 215L,
12L, 7105L, 758L, 4694L, 29369L, 7579L, 709L, 121L, 781L, 1391L,
2166L, 160403L, 674L, 1933L, 320L, 1628L, 2346L, 2955L, 204852L,
206277L, 2408L, 2162L, 312L, 280L, 243L, 84050L, 830L, 290L,
10490L, 119392L, 182960L, 261791L, 92L, 415L, 144L, 2006L, 1172L,
1886L, 233L, 36123L, 7855L, 554L, 234L, 2292L, 21L, 132L, 142L,
3848L, 3847L, 3965L, 3431L, 2465L, 1717L, 3952L, 854L, 854L,
834L, 14608L, 172L, 7885L, 75303L, 535L, 443347L, 5478L, 782L,
9066L, 6733L, 568L, 611L, 533L, 1022L, 334L, 21628L, 295362L,
34L, 486L, 279L, 2530L, 504L, 525L, 367L, 293L, 258L, 1854L,
209L, 152L, 1139L, 398L, 3275L, 284178L, 284127L, 826L, 751L,
1814L, 398L, 1517L, 255L, 13745L, 43L, 1463L, 385L, 64L, 5279L,
885L, 1193L, 190L, 451L, 1093L, 322L, 453L, 680L, 452L, 677L,
295L, 120L, 12184L, 250L, 1165L, 476L, 211L, 4437L, 7310L, 778L,
260L, 855L, 353L, 97L, 34L, 87L, 137L, 101L, 416L, 130L, 148L,
832L, 187L, 291L, 4050L, 14569L, 271L, 1968L, 6553L, 2535L, 227L,
202L, 647L, 266L, 2681L, 106L, 158L, 257L, 234L, 1726L, 34L,
465L, 436L, 245L, 245L, 2790L, 104L, 1283L, 44416L, 142L, 13617L,
232L, 171L, 221L, 719L, 176L, 5838L, 37488L, 12214L, 3780L, 5556L,
5368L, 106L, 246L, 101L, 158L, 10743L, 5L, 46478L, 5286L, 9866L,
32593L, 174L, 298L, 19617L, 19350L, 230L, 78449L, 78414L, 78413L,
78413L, 6260L, 6260L, 209L, 2552L, 522L, 178L, 140L, 173046L,
299L, 265L, 132360L, 132252L, 4821L, 4755L, 197L, 567L, 113L,
30314L, 7006L, 10L, 30L, 55281L, 8263L, 8244L, 8142L, 568L, 1592L,
1750L, 628L, 60304L, 212553L, 51393L, 222L, 13471L, 3423L, 306L,
325L, 2650L, 74796L, 37807L, 103751L, 6924L, 6727L, 667L, 657L,
752L, 546L, 1860L, 230L, 217L, 1422L, 347L, 341055L, 4510L, 4398L,
179670L, 796L, 1210L, 2579L, 250L, 273L, 407L, 192049L, 236L,
96084L, 5808L, 7546L, 10646L, 197L, 188L, 19L, 167877L, 200509L,
429L, 632L, 495L, 471L, 2578L, 251L, 198L, 175L, 19161L, 289L,
20718L, 201L, 937L, 283L, 4829L, 4776L, 5949L, 856907L, 2747L,
2761L, 3150L, 3142L, 68031L, 187666L, 255211L, 255231L, 6581L,
392991L, 858L, 115L, 141L, 85629L, 125433L, 6850L, 6684L, 23L,
529L, 562L, 216L, 1450L, 838L, 3335L, 1446L, 178L, 130101L, 239L,
1838L, 286L, 289L, 68974L, 757L, 764L, 218L, 207L, 3485L, 16597L,
236L, 1387L, 2121L, 2122L, 957L, 199899L, 409803L, 367877L, 1650L,
116710L, 5662L, 12497L, 613889L, 10182L, 260L, 9654L, 422947L,
294L, 284L, 996L, 1444L, 2373L, 308L, 1522L, 288L, 937L, 291L,
93L, 17629L, 5151L, 184L, 161L, 3273L, 1090L, 179840L, 1294L,
922L, 826L, 725L, 252L, 715L, 6116L, 259L, 6171L, 198L, 5610L,
5679L, 862L, 332L, 1324L, 536L, 98737L, 316L, 5608L, 5526L, 404L,
255L, 251L, 14067L, 3360L, 3623L, 8920L, 288L, 447L, 453L, 1604687L,
115L, 127L, 127L, 2398L, 2396L, 2396L, 2398L, 2396L, 2397L, 154L,
154L, 154L, 154L, 887L, 636L, 227L, 227L, 354L, 7150L, 30227L,
546013L, 545979L, 251L, 171647L, 252L, 583L, 593L, 10222L, 2660L,
1864L, 2884L, 1577L, 1304L, 337L, 2642L, 2462L, 280L, 284L, 3463L,
288L, 288L, 540L, 287L, 526L, 721L, 1015L, 74071L, 6338L, 1590L,
582L, 765L, 291L, 983L, 158L, 625L, 581L, 350L, 6896L, 13567L,
20261L, 4781L, 1025L, 722L, 721L, 1618L, 1799L, 987L, 6373L,
733L, 5648L, 987L, 1010L, 985L, 920L, 920L, 4696L, 1154L, 1132L,
927L, 4546L, 692L, 702L, 301L, 305L, 316L, 313L, 801L, 788L,
14624L, 14624L, 9778L, 9778L, 9778L, 9778L, 757L, 275L, 1480L,
610L, 68495L, 1152L, 1155L, 323L, 312L, 303L, 298L, 1641L, 1607L,
1645L, 616L, 1002L, 1034L, 1022L, 1030L, 1030L, 1027L, 1027L,
934L, 960L, 47L, 44L, 1935L, 1925L, 43L, 47L, 1933L, 1898L, 938L,
830L, 286L, 287L, 807L, 807L, 741L, 628L, 482L, 500L, 480L, 431L,
287L, 298L, 227L, 968L, 961L, 943L, 932L, 704L, 420L, 548L, 3612L,
1723L, 780L, 337L, 780L, 527L, 528L, 499L, 679L, 308L, 1104L,
314L, 1607L, 990L, 1156L, 562L, 299L, 16L, 20L, 287L, 581L, 1710L,
1859L, 988L, 962L, 834L, 1138L, 363L, 294L, 2678L, 362L, 539L,
295L, 996L, 977L, 988L, 39L, 762L, 579L, 595L, 405L, 1001L, 1002L,
555L, 1102L, 54L, 1283L, 347L, 1384L, 603L, 307L, 306L, 302L,
302L, 288L, 288L, 286L, 292L, 529L, 56844L, 1986L, 503L, 751L,
3977L, 367L, 4817L, 4631L, 4609L, 4579L, 937L, 402L, 257L, 570L,
1156L, 3297L, 3948L, 4527L, 3119L, 15227L, 3893L, 538L, 802L,
5128L, 595L, 522L, 1346L, 449L, 443L, 323L, 372L, 369L, 307L,
246L, 260L, 342L, 283L, 963L, 751L, 108L, 280L, 320L, 287L, 285L,
283L, 529L, 536L, 298L, 29427L, 29413L, 761L, 249L, 255L, 304L,
297L, 256L, 119L, 288L, 564L, 234L, 226L, 530L, 766L, 223L, 5858L,
5568L, 481L, 462L, 8692L, 498L, 330L, 7604L, 15L, 121738L, 121833L,
826L, 760L, 208937L, 1598L, 1166L, 446L, 85598L, 513L, 84897L,
50239L, 308L, 1351L, 283L, 7100L, 7101L, 321L, 1019L, 287L, 253L,
634L, 629L, 628L, 678L, 1391L, 1147L, 853L, 287L, 1174L, 287L,
197145L, 197116L, 147L, 147L, 712L, 274L, 283L, 907L, 434L, 1164L,
30L, 599L, 577L, 315L, 1423L, 1250L, 30L, 1502L, 296L, 348L,
617L, 339L, 328L, 123L, 338L, 332L, 47133L, 288L, 340L, 1524L,
1049L, 1072L, 1031L, 1059L, 1038L, 989L, 52L, 54L, 986L, 46L,
1202L, 1272L, 43L, 785L, 761L, 16924L, 289L, 264L, 453L, 365L,
356L, 280L, 16520L, 281L, 255L, 244L, 642L, 1003L, 951L, 921L,
1011L, 45L, 932L, 973L, 39L, 40L, 159L, 566L, 49L, 1161L, 50L,
200L, 215L, 361L, 377L, 980L, 935L, 882L, 281L, 280L, 1025L,
319L, 690L, 284L, 271L, 276L, 286L, 371L, 324L, 304L, 311L, 341L,
603L, 11566L, 270L, 286L, 342L, 326L, 11018L, 282L, 271L, 286L,
586L, 604L, 750L, 608L, 523L, 506L, 3303L, 1079797L, 1079811L,
530L, 2631L, 882L, 628L, 30L, 11905L, 12966L, 390995L, 322353L,
1763L, 1755L, 709L, 713L, 365L, 351L, 205L, 393L, 284L, 39417L,
320L, 322L, 8039L, 995L, 625L, 785L, 298L, 518L, 467L, 1050L,
329L, 141345L, 55566L, 40318L, 287L, 220L, 309346L, 220L, 215314L,
304L, 296L, 4301L, 4311L, 1543L, 1549L, 2876L, 2894L, 287L, 290L,
215L, 605L, 577L, 254L, 1330L, 1863L, 140L, 328L, 284L, 291L,
283L, 1701L, 1696L, 519L, 499L, 2440007L, 289L, 294L, 311L, 324L,
4793L, 4808L, 249L, 205L, 219L, 638L, 2653L, 2648L, 351L, 323L,
1056L, 327L, 794L, 1491L, 284L, 289L, 220L, 765L, 565L, 808L,
832L, 772L, 41668L, 42307L, 6843L, 6612L, 6598L, 241164L, 531L,
554L, 1246L, 459L, 971504L, 805L, 2615L, 2290L, 2086L, 2063L,
2685L, 2704L, 275L, 461L, 458L, 317L, 889L, 335L, 974L, 959L,
253142L, 257L, 250L, 282L, 293L, 666L, 4991L, 287L, 588L, 555L,
3585L, 3195L, 481L, 2405L, 135266L, 571L, 1805L, 365L, 340L,
232L, 224L, 298L, 3682L, 3677L, 577L, 571L, 288L, 297L, 293L,
291L, 256L, 214L, 1257L, 1271L, 65471L, 65471L, 65476L, 65476L,
4680L, 4675L, 339L, 329L, 284L, 288L, 4859L, 4851L, 2534L, 24222L,
330684L, 330684L, 2116L, 282L, 412L, 429L, 2324L, 1978L, 502L,
286L, 943149L, 256L, 288L, 286L, 1098L, 1125L, 442L, 240L, 182L,
2617L, 1068L, 25204L, 170L, 418L, 1867L, 8989L, 1804L, 1240L,
6610L, 1237L, 1750L, 1565L, 1565L, 3662L, 1803L, 218L, 172L,
780L, 1418L, 2390L, 7514L, 23214L, 1464L, 1060L, 1503L, 308802L,
308357L, 21691L, 298817L, 289875L, 4442L, 289284L, 235L, 456L,
676L, 897L, 289109L, 1865L, 288030L, 287899L, 287767L, 287635L,
286639L, 286509L, 286157L, 1427L, 2958L, 4340L, 5646L, 282469L,
7016L, 279353L, 278568L, 316L, 558L, 3501L, 1630L, 278443L, 1360L,
828L, 1089L, 278430L, 278299L, 278169L, 278035L, 277671L, 277541L,
277400L, 277277L, 276567L, 285L, 555L, 834L, 1084L, 1355L, 5249L,
14776L, 1441L, 755L, 755L, 70418L, 3135L, 1026L, 1497L, 949663L,
68L, 526058L, 1692L, 150L, 48370L, 4207L, 4088L, 197551L, 197109L,
196891L, 196634L, 2960L, 194319L, 194037L, 3008L, 3927L, 178762L,
178567L, 403L, 178124L, 2590L, 177405L, 177179L, 301L, 328L,
390685L, 390683L, 575L, 1049L, 819L, 367L, 289L, 277L, 390L,
301L, 318L, 3806L, 3778L, 3699L, 3691L)
Antworten:
Die Sache ist, dass echte Daten nicht unbedingt einer bestimmten Verteilung folgen, die Sie benennen können ... und es wäre in der Tat überraschend, wenn dies der Fall wäre.
Obwohl ich ein Dutzend Möglichkeiten nennen könnte, wird der eigentliche Prozess, der diese Beobachtungen generiert, wahrscheinlich auch nichts sein, was ich vorschlagen könnte. Mit zunehmender Stichprobengröße können Sie wahrscheinlich jede bekannte Verteilung ablehnen.
Parametrische Verteilungen sind oft eine nützliche Fiktion und keine perfekte Beschreibung.
Schauen wir uns zumindest die Protokolldaten an, zuerst in einem normalen qqplot und dann als Schätzung der Kerneldichte, um zu sehen, wie sie aussehen:
Beachten Sie, dass in einem QQ-Diagramm, das auf diese Weise erstellt wurde, in den flachsten Abschnitten der Steigung die Tendenz besteht, Spitzen zu sehen. Dies deutet auf einen Peak nahe 6 und einen weiteren nahe 12,3 hin. Die Schätzung der Kerneldichte des Protokolls zeigt dasselbe:
In beiden Fällen ist die Anzeige, dass die Verteilung der Log- Zeit recht schief ist, aber nicht eindeutig unimodal. Offensichtlich liegt der Hauptpeak irgendwo um die 5-Minuten-Marke. Es kann sein, dass es einen zweiten kleinen Peak in der Log-Zeit-Dichte gibt, der irgendwo in der Region von vielleicht 60 Stunden zu liegen scheint. Möglicherweise gibt es zwei qualitativ sehr unterschiedliche "Reparaturarten", und Ihre Verteilung spiegelt eine Mischung aus zwei Arten wider. Oder wenn eine Reparatur erst einmal einen ganzen Arbeitstag erreicht hat, dauert sie in der Regel länger (das heißt, anstatt einen Spitzenwert von etwas mehr als einer Woche wiederzugeben, kann sie einen Anti-Spitzenwert von etwas mehr als einem Tag wiedergeben - einmal Die Reparatur dauert weniger als einen Tag, die Jobs verlangsamen sich.
Auch das Logbuch des Logbuchs der Zeit ist etwas schief. Schauen wir uns eine stärkere Transformation an, bei der der zweite Peak ganz klar ist - abzüglich der Umkehrung der vierten Wurzel der Zeit:
Die markierten Linien sind bei 5 Minuten (blau) und 60 Stunden (grün gestrichelt); Wie Sie sehen, gibt es eine Spitze knapp unter 5 Minuten und eine andere irgendwo über 60 Stunden. Es ist zu beachten, dass der obere "Peak" ungefähr bei dem 95. Perzentil liegt und nicht notwendigerweise in der Nähe eines Peaks in der nicht transformierten Verteilung liegt.
Es gibt auch einen Vorschlag für einen weiteren Einbruch um 7,5 Minuten mit einem breiten Peak zwischen 10 und 20 Minuten, was auf eine sehr geringe Tendenz zur "Aufrundung" in dieser Region hindeuten könnte (nicht, dass es notwendigerweise etwas Ungewöhnliches gibt; auch wenn es keinen Einbruch gibt) In der dortigen Hauptbeschäftigungszeit könnte es sogar so einfach sein, sich in einem ununterbrochenen Zeitraum für mehr als ein paar Minuten auf die menschliche Fähigkeit zu konzentrieren.)
Es sieht für mich so aus, als ob eine Zweikomponentenmischung (zwei Peaks) oder eine Dreikomponentenmischung mit Verteilung nach rechts den Prozess ziemlich gut beschreiben würde, aber keine perfekte Beschreibung wäre.
Das Paket
logspline
scheint vier Peaks im Logbuch (Zeit) auszuwählen:mit Peaks in der Nähe von 30, 270, 900 und 270K Sekunden (30s, 4,5m, 15m und 75h).
Wenn Sie Logspline mit anderen Transformationen verwenden, finden Sie im Allgemeinen 4 Peaks mit leicht unterschiedlichen Mitten (wenn Sie in die ursprünglichen Einheiten übersetzt werden). Dies ist bei Transformationen zu erwarten.
quelle
Die Descdist-Funktion bietet die Option, Ihre Distribution zu booten, um ein Gefühl für die Genauigkeit zu bekommen, die mit dem gezeichneten Schätzwert verbunden ist. Sie könnten das versuchen.
Meine Vermutung ist, dass Ihre Daten mit mehr als nur der Betaverteilung konsistent sind.
Im Allgemeinen ist die Beta-Verteilung die Verteilung kontinuierlicher Anteile oder Wahrscheinlichkeiten. Zum Beispiel wäre die Verteilung von p-Werten aus einem t-Test ein spezieller Fall einer Beta-Verteilung, abhängig davon, ob die Nullhypothese wahr ist und wie viel Aussagekraft Ihre Analyse hat.
Ich finde es äußerst unwahrscheinlich, dass die Verteilung Ihrer Reparaturzeiten tatsächlich Beta wäre. Beachten Sie, dass dieses Diagramm nur den Versatz und die Kurtosis Ihrer Daten mit der angegebenen Verteilung vergleicht. Das Beta ist an 0 und 1 gebunden; Ich wette, Ihre Daten sind es nicht, aber das Diagramm überprüft diese Tatsache nicht.
Andererseits ist die Weibull-Verteilung für Verzögerungszeiten üblich. Ich gehe davon aus, dass Ihre Daten mit einem Weibull übereinstimmen, wenn Sie die Figur in Augenschein nehmen (ohne die Bootsamples, die aufgezeichnet wurden, um die Unsicherheit zu messen).
Sie könnten auch überprüfen, ob Ihre Daten Weibull sind. Ich glaube, Sie verwenden qqPlot aus dem Autopaket , um einen qq-Plot zu erstellen .
quelle
bootstrap
Parameter 500 in derdescdist
Funktion aktualisiert . Und ja, Sie haben Recht, dass meine Werte nicht in [0,1] sind. Gibt es eine Möglichkeit, diese Tatsache (die zu weibull gehört) anhand dieser Grafik zu zeigen? Ich werde versuchen, meine Frage in Kürze mit einem QQPlot zu aktualisieren.qqPlot
aus demcar
Paket aktualisiert .Für das, was es wert ist, unter Verwendung der FindDistribution-Routine von Mathematica, sind die Logarithmen sehr ungefähr eine Mischung aus zwei Normalverteilungen,
Mit 3 Verteilungen kann eine Mischungsverteilung erstellt werden
quelle