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