数据拟合，高手帮忙

不管做什么拟合，先做个散点图看看。你要是觉得数据太大，可以先随机的抽取一部分数据做散点图。

我也有类似的问题请教。



如果看似“大饼图”或难以解析的数据，试问用什么方法比较好？

可以试试origin

?Kernel Smooth method

?kernel distribution function





In R, there is a package called KernSmooth; function ksmooth, density, bkde, etc, can deal with this type problems.

请问拟合和回归是一回事吗？

我的理解：拟合是针对于随机数据的分布而言，如果把随机数据看做x值，把对应的密度值看做y值，在拟合之前并不知道y值的大小；而回归是指自变量和因变量之间的关系而言，在拟合之前就知道x对应的y值。

是这样吗？

那是不是任何数据的分布拟合都可以用Kernel Smooth method，但是如何评价拟合结果的好坏呢，再有如果想从核估计确定的密度函数中抽取随机数，该从何入手，大侠给支支招呗！

几万个数据？？

直接用经验分布函数即可，R似乎是函数ecdf( )。

如此样本，Fn（x）已经可以足够好的逼近真实分布了。。。

不懂，能不能详细说说如何通过经验累积分布获得拟合的密度函数？



to medibabo:

可以参考：http://cran.r-project.org/doc/contrib/Ricci-distributions-en.pdf