0
$\begingroup$

As an update to a previously posed question, Fitting a mixture distribution for two approximately normally distributed populations using mixtools in R , I have now fit a three component mixture distribution to a new variable.

The vector "Li" contains the values: 0.000 0.000 0.030 0.030 0.040 0.040 0.070 0.070 0.070 0.070 0.080 0.080 0.080 0.080 0.080 0.080 0.083 0.083 0.090 0.090 0.100 0.100 0.160 0.160 0.161 0.161 0.170 0.170 0.190 0.190 0.190 0.190 0.200 0.200 0.260 0.260 0.300 0.300 0.320 0.320 0.328 0.328 0.349 0.349 0.400 0.400 0.460 0.460 0.600 0.600 0.650 0.650 0.650 0.650 0.667 0.667 0.700 0.700 0.820 0.820 0.880 0.880 0.900 0.900 0.950 0.950 0.990 0.990 1.100 1.100 1.100 1.100 1.300 1.300 1.300 1.300 1.300 1.300 1.500 1.500 1.600 1.600 1.700 1.700 1.700 1.700 1.800 1.800 1.800 1.800 1.800 1.800 1.800 1.800 1.800 1.800 1.900 1.900 2.000 2.000 2.000 2.000 2.100 2.100 2.100 2.100 2.100 2.100 2.300 2.300 2.300 2.300 2.400 2.400 2.400 2.400 2.400 2.400 2.400 2.400 2.500 2.500 2.500 2.500 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.600 2.700 2.700 2.700 2.700 2.700 2.700 2.800 2.800 2.800 2.800 2.800 2.800 2.800 2.800 2.800 2.800 3.000 3.000 3.000 3.000 3.100 3.100 3.100 3.100 3.200 3.200 3.600 3.600 3.800 3.800 4.000 4.000 4.000 4.000 4.000 4.000 6.200 6.200 6.400 6.400 6.400 6.400 6.500 6.500 7.000 7.000 7.000 7.000 7.600 7.600 7.600 7.600 10.000 10.000 10.000 10.000 20.000 20.000 29.000 29.000 29.000 29.000 30.000 30.000 30.000 30.000 30.000 30.000 33.000 33.000 37.000 37.000 40.000 40.000 40.000 40.000 49.000 49.000 63.000 63.000 64.000 64.000 65.000 65.000 67.000 67.000 76.000 76.000 90.000 90.000 93.000 93.000 95.000 95.000 149.000 149.000 150.000 150.000 150.000 150.000 187.000 187.000 187.000 187.000 187.000 187.000 192.000 192.000 195.000 195.000 210.000 210.000 215.000 215.000 219.000 219.000 220.000 220.000 224.000 224.000 229.000 229.000 230.000 230.000 233.000 233.000 239.000 239.000 240.000 240.000 243.000 243.000 250.000 250.000 259.000 259.000 260.000 260.000 270.000 270.000 270.000 270.000 287.000 287.000 290.000 290.000 300.000 300.000 300.000 300.000 310.000 310.000 310.000 310.000 312.000 312.000 319.000 319.000 321.000 321.000 330.000 330.000 331.000 331.000 391.000 391.000 398.000 398.000 425.000 425.000 444.000 444.000 600.000 600.000

This distribution is as follows:

enter image description here

I tried both a 2 & 3 component mixture model using mixtools in R.

2 component model:

enter image description here

3 component model:

enter image description here

The 3 component model looks like it is a better fit for the data. Would the k-s test be a good way to test the fit of each modal? I am aware of examples on this site of the k-s test being used to test the fit of a 2 component mixture, however I do not know how to alter the code to test the 3 component mixture.

$\endgroup$
0
$\begingroup$

Can't you use of the AIC or BIC for checking the model fit? That's one of the ways you could find out how good the model is. Also, mixtools has a model selection implementation for mixture models, try that too.

$\endgroup$

Your Answer

By clicking “Post Your Answer”, you agree to our terms of service, privacy policy and cookie policy

Not the answer you're looking for? Browse other questions tagged or ask your own question.