Come generare una distribuzione normale in r (con esempi)
Puoi generare rapidamente una distribuzione normale in R utilizzando la funzione rnorm() , che utilizza la seguente sintassi:
rnorm(n, mean=0, sd=1)
Oro:
- n: numero di osservazioni.
- media: media della distribuzione normale. Il valore predefinito è 0.
- sd: deviazione standard della distribuzione normale. Il valore predefinito è 1.
Questo tutorial mostra un esempio di utilizzo di questa funzione per generare una distribuzione normale in R.
Correlato: Una guida a dnorm, pnorm, qnorm e rnorm in R
Esempio: generare una distribuzione normale in R
Il codice seguente mostra come generare una distribuzione normale in 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
Possiamo trovare rapidamente la media e la deviazione standard di questa distribuzione:
#find mean of sample
mean(data)
[1] 10.10662
#find standard deviation of sample
sd(data)
[1] 2.787292
Possiamo anche creare un rapido istogramma per visualizzare la distribuzione dei valori dei dati:
hist(data, col=' steelblue ')
Possiamo anche eseguire un test di Shapiro-Wilk per vedere se il set di dati proviene da una popolazione normale:
shapiro.test(data)
Shapiro-Wilk normality test
data:data
W = 0.99274, p-value = 0.4272
Il valore p del test risulta essere 0,4272 . Poiché questo valore non è inferiore a 0,05, possiamo supporre che i dati del campione provengano da una popolazione distribuita normalmente.
Questo risultato non dovrebbe sorprendere poiché abbiamo generato i dati utilizzando la funzione rnorm() , che genera naturalmente un campione casuale di dati da una distribuzione normale.
Risorse addizionali
Come tracciare una distribuzione normale in R
Una guida a dnorm, pnorm, qnorm e rnorm in R
Come eseguire un test di Shapiro-Wilk per la normalità in R