计算双峰分布两种模式的半峰全宽(FWHM)

Question

在堆栈溢出上潜伏了多年之后，我终于发布了我的第一个问题，因为我找不到一篇描述我的问题的文章。

对于项目的一个方面，我绘制了包含在dataframe (df)中的参数(方向)的分布图，以发现它采用双峰分布。我在这里展示"2.7“样本的数据：

 A tibble: 5,280 x 13
   ID    number_of_points length  bend average_curvatu~ relative_z_chan~ average_z_height orientation Depth Scale AspectR
   <chr>            <dbl>  <dbl> <dbl>            <dbl>            <dbl>            <dbl>       <dbl> <dbl> <dbl>   <dbl>
 1 14-3~              935   940.  1.33             177.            0.291             171.       154.   0.35     6     2.7
 2 14-3~              629   629.  1.07             235.            0.346             467.        29.2  0.35     6     2.7
 3 14-3~              550   562.  1.18             159.            0.402             286.        22.5  0.35     6     2.7
 4 14-3~              334   334.  1.03             322.            0.507             444.        37    0.35     6     2.7
 5 14-3~              397   397.  1.01             292.            0.484             415.        16.4  0.35     6     2.7
 6 14-3~             1132  1135.  1.06             246.            0.301             401.        31.1  0.35     6     2.7
 7 14-3~             1169  1175.  1.14             179.            0.255             370.        11.9  0.35     6     2.7
 8 14-3~             1363  1366.  1.04             273.            0.183             383.        23.1  0.35     6     2.7
 9 14-3~              841   843.  1.09             274.            0.310             307.        21.5  0.35     6     2.7
10 14-3~              881   883.  1.16             210.            0.226             451.       164.   0.35     6     2.7
# ... with 5,270 more rows, and 2 more variables: Circularity <dbl>, lam <chr>

利用normalmixEM可以确定模拟双峰分布的2高斯分布的参数。

my_mix <- mixtools::normalmixEM(df$orientation, lambda = NULL, mu = NULL, sigma = NULL, maxit = 5000)

我能够提取曲线的mu、sigma和lambda参数，并将它们存储到一个表中(FIT)。以下是样本“2.7”的两种模式参数：

A tibble: 10 x 5
   ID    lambda    mu sigma AspectR
   <chr>  <dbl> <dbl> <dbl>   <dbl>
 1 2.7    0.723  38.5  22.8     2.7
 2 2.7    0.277 150.   20.2     2.7 

通过运行以下代码，我能够生成一个具有直方图和2高斯覆盖的图形：

p <- ggplot(df$orientation, aes(x = orientation)) +
         geom_histogram(binwidth = 5) +

 mapply(
      function(mean, sd, lambda, n, binwidth){
        stat_function(
          fun = function(x){
            (dnorm(x, mean = mean, sd = sd)) * n * binwidth * lambda
          }
        )
      },
      mean = FIT$mu,
      sd = FIT$sigma,
      lambda = FIT$lambda,
      n = length(df$orientation),
      binwidth = 5
    )
})

由上述代码生成的图

现在我需要做的是估计每一种模式中的计数。我的计划是计算每一种模式的半最大宽度(FWHM)，得到范围并找出范围内的计数。

我尝试应用我在这里看到的(求峰值的全宽半最大值)，但这似乎不是为R，也不是在这里(R中分布的半高宽的确定)，但在后者，它是一个单峰分布。

我的感觉是，我可能能够在上面写的may函数中应用一些函数，它可以像在R中分布的半高宽的确定中那样计算FWHM，但我的所有尝试都失败了。

有什么建议吗？

谢谢，我希望这篇文章是清楚的。抱歉，如果没有，我是一个溢出的甘比。

将要

Answer 1

你可能想得太多了。lambda和(1-lambda)给出了属于每种模式的数据比例的估计。

Answer 2

我认为是的，特别是如果我对报告比率感兴趣的话。谢谢你我会这么做的。

然而，我仍然会好奇如何做我原本打算为未来的潜在目的：-)。