Як створити нормальний розподіл у r (з прикладами)

Ви можете швидко створити нормальний розподіл у R за допомогою функції rnorm() , яка використовує такий синтаксис:

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

золото:

• n: кількість спостережень.
• середнє: середнє значення нормального розподілу. Значення за замовчуванням 0.
• sd: стандартне відхилення нормального розподілу. Значення за умовчанням — 1.

У цьому підручнику показано приклад використання цієї функції для створення нормального розподілу в R.

Пов’язане: посібник із dnorm, pnorm, qnorm і rnorm у R

Приклад: створення нормального розподілу в R

Наступний код показує, як створити нормальний розподіл у 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

Ми можемо швидко знайти середнє значення та стандартне відхилення цього розподілу:

 #find mean of sample
mean(data)

[1] 10.10662

#find standard deviation of sample
sd(data)

[1] 2.787292

Ми також можемо створити швидку гістограму для візуалізації розподілу значень даних:

 hist(data, col=' steelblue ')

Ми навіть можемо виконати тест Шапіро-Вілка, щоб перевірити, чи походить набір даних із нормальної популяції:

 shapiro.test(data)

	Shapiro-Wilk normality test

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

P-значення тесту виявляється рівним 0,4272 . Оскільки це значення не менше 0,05, ми можемо припустити, що дані вибірки надходять із нормально розподіленої сукупності.

Цей результат не повинен дивувати, оскільки ми генерували дані за допомогою функції rnorm() , яка природним чином генерує випадкову вибірку даних зі звичайного розподілу.

Додаткові ресурси

Як побудувати графік нормального розподілу в R
Посібник із dnorm, pnorm, qnorm і rnorm у R
Як виконати тест Шапіро-Вілка на нормальність у R