Comment générer une distribution normale dans R (avec exemples)

Vous pouvez générer rapidement unedistribution normale dans R en utilisant la fonction rnorm() , qui utilise la syntaxe suivante :

rnorm(n, mean=0, sd=1)

où:

• n : Nombre d’observations.
• moyenne : moyenne de la distribution normale. La valeur par défaut est 0.
• sd : écart type de la distribution normale. La valeur par défaut est 1.

Ce didacticiel montre un exemple d’utilisation de cette fonction pour générer une distribution normale dans R.

Connexe : Un guide sur dnorm, pnorm, qnorm et rnorm dans R

Exemple : générer une distribution normale dans R

Le code suivant montre comment générer une distribution normale dans R :

#make this example reproducible
set.seed(1)

#generate sample of 200 obs. that follows normal dist. with mean=10 and sd=3
data <- rnorm(200, mean=10, sd=3)

#view first 6 observations in sample
head(data)

[1]  8.120639 10.550930  7.493114 14.785842 10.988523  7.538595

On peut trouver rapidement la moyenne et l’écart type de cette distribution :

#find mean of sample
mean(data)

[1] 10.10662

#find standard deviation of sample
sd(data)

[1] 2.787292

Nous pouvons également créer un histogramme rapide pour visualiser la distribution des valeurs des données :

hist(data, col='steelblue')

Nous pouvons même effectuer un test de Shapiro-Wilk pour voir si l’ensemble de données provient d’une population normale :

shapiro.test(data)

	Shapiro-Wilk normality test

data:  data
W = 0.99274, p-value = 0.4272

La valeur p du test s’avère être de 0,4272 . Puisque cette valeur n’est pas inférieure à 0,05, nous pouvons supposer que les données de l’échantillon proviennent d’une population normalement distribuée.

Ce résultat ne devrait pas être surprenant puisque nous avons généré les données à l’aide de la fonction rnorm() , qui génère naturellement un échantillon aléatoire de données provenant d’une distribution normale.

Ressources additionnelles

Comment tracer une distribution normale dans R
Un guide sur dnorm, pnorm, qnorm et rnorm dans R
Comment effectuer un test de Shapiro-Wilk pour la normalité dans R