R——判断数据是否符合某一分布
首先这篇文章判断数据是否服从某一分布（二）——简单易用fitdistrplus包 - ywliao - 博客园 (cnblogs.com)
有提到fitdistrplus的应用，适用于基本的方法。本文章想根据他写的部分进行一定的补充。
如果从网络上找到了保险公司损失数据，对于损失会有频率（每天发生损失的次数，ex:1.1号发生损失8次，1.2号发生损失3次）和严重性（每次损失的金额，ex：1000,4000,200等）。如果想预测一年总损失，那就需要对这些损失的分布进行判断，选择最适合的分布。
这个代码同时会算出P值，AIC等指标可以用来检测拟合结果哦
首先导入
library(fitdistrplus)
library(actuar)
library(eva)
-
泊松分布
fit_poi<-fitdist(DATA,'pois')
summary(fit_poi)
gofstat(fit_poi) -
负二项分布
fit_nb<-fitdist(DATA,'nbinom')
summary(fit_nb)
gofstat(fit_nb)
3.正态分布
fnorm.DATA1<-fitdist(DATA1,'norm')
summary(fnorm.DATA1）
gofstat(fnorm.DATA1)
ks.test(DATA1,'pnorm',mean=fnorm.DATA1estimate[1],sd=fnorm.DATA1estimate[2])
4.伽马分布
fg.DATA1<-fitdist(data1,'gamma',start = list(scale=1,shape=1))
summary(fg.DATA1)
gofstat(fg.DATA1)
ks.test(DATA1,'pgamma',fg.DATA1estimate[1],fg.DATA1estimate[2])
5.GPD广义帕累托分布
library(mev)
gpdDATA1<-fit.gpd(DATA1,threshold = 0)
gpdDATA1nllh
AICDATA1<-gpdDATA1nllh*2+4
AICDATA1
library(gPdtest)
fgdp.DATA1=gpd.fit(x=DATA1,method = 'amle')
ks.test(DATA1,'pgpd',loc=0,scale=fgdp.DATA1[2,1],shape=fgdp.DATA1[1,1])