R語言正態(tài)分布的實現(xiàn)示例
統(tǒng)計分布每一種分布有四個函數(shù):d――density(密度函數(shù)),p――分布函數(shù),q――分位數(shù)函數(shù),r――隨機數(shù)函數(shù)。正態(tài)曲線呈鐘型,兩頭低,中間高,左右對稱因其曲線呈鐘形,因此人們又經(jīng)常稱之為鐘形曲線。
1. rnorm
生成正太分布的隨機數(shù)
rnorm(n, mean = 0, sd = 1)
rnorm(100) rnorm(10,2,5)
2. dnorm
概率密度分布
dnorm(x, mean = 0, sd = 1, log = FALSE)
dnorm(1) # 標(biāo)準(zhǔn)正態(tài)分布中,x=1時的概率。 # 作圖 x <- seq(-1,1,0.01) plot(x,dnorm(x))
3. pnorm
累積概率
pnorm(q, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE)
pnorm(0) # 正太分布中,x從負無窮到0的累積概率(積分 pnorm(1.644854) # 默認 lower.tail=TRUE,P[X ≤ x] pnorm(1.644854, lower.tail=FALSE) #P[X > x]
4.qnorm
該函數(shù)采用概率值,并給出累積值與概率值匹配的數(shù)字,pnorm的反函數(shù)。
qnorm(p, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE)
qnorm(0.95) # 累積值為0.95的x值 qnorm(c(0.5,0.8,0.6,0.3)) qnorm(pnorm(0))
5. 正態(tài)分布檢驗
可以通過密度圖、QQ圖以及正態(tài)分布假設(shè)檢測數(shù)據(jù)是否為正態(tài)分布。
# P<0.05,則分布為非正態(tài)分布。 x1 <- rnorm(50) x2 <- runif(30) shapiro.test(x1) shapiro.test(x2) shapiro.test(rnorm(100, mean = 5, sd = 3)) shapiro.test(runif(100, min = 2, max = 4))
到此這篇關(guān)于R語言正態(tài)分布的實現(xiàn)示例的文章就介紹到這了,更多相關(guān)R語言正態(tài)分布內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
R語言數(shù)據(jù)框合并(merge)的幾種方式小結(jié)
這篇文章主要介紹了R語言數(shù)據(jù)框合并(merge)的幾種方式小結(jié),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03R語言-如何將科學(xué)計數(shù)法表示的數(shù)字轉(zhuǎn)化為文本
這篇文章主要介紹了R語言-如何將科學(xué)計數(shù)法表示的數(shù)字轉(zhuǎn)化為文本,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04