如何在 r 中生成正态分布（附示例）

您可以使用rnorm()函数在 R 中快速生成正态分布，该函数使用以下语法：

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

金子：

• n：观察数。
• 平均值：正态分布的平均值。默认值为 0。
• sd：正态分布的标准差。默认值为 1。

本教程展示了使用此函数在 R 中生成正态分布的示例。

相关： R 中 dnorm、pnorm、qnorm 和 rnorm 指南

示例：在 R 中生成正态分布

以下代码显示了如何在 R 中生成正态分布：

 #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

我们可以快速找到该分布的均值和标准差：

 #find mean of sample
mean(data)

[1] 10.10662

#find standard deviation of sample
sd(data)

[1] 2.787292

我们还可以创建一个快速直方图来可视化数据值的分布：

 hist(data, col=' steelblue ')

我们甚至可以执行Shapiro-Wilk 测试来查看数据集是否来自正常人群：

 shapiro.test(data)

	Shapiro-Wilk normality test

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

测试的 p 值为0.4272 。由于该值不小于0.05，我们可以假设样本数据来自正态分布的总体。

这个结果应该不足为奇，因为我们使用rnorm()函数生成数据，它自然地从正态分布生成数据的随机样本。

其他资源

如何在 R 中绘制正态分布
R 中 dnorm、pnorm、qnorm 和 rnorm 指南
如何在 R 中执行 Shapiro-Wilk 正态性检验