輸入注釋
nx <- c(rnorm(10))
隨機產生10個正態分佈的資料
nx檢視nx
[1] -0.83241783 -0.29609562 -0.06736888 -0.02366562 0.23652392 0.97570959
[7] -0.85301145 1.51769488 -0.84866517 0.20691119
檢視的結果
shapiro.test(nx)
shapiro-wilk方法進行正態檢驗
shapiro-wilk normality test
data: nx
w = 0.9084, p-value = 0.2699
檢驗結果，因為
w接近1 p值大於0.05，所以資料為正態分佈，和origin 統計的結果一致（下圖）
例項二 r語言自帶的正態性檢測（kolmogorov-smirnov方法）
輸入注釋
nx <- c(rnorm(10))
隨機產生10個正態分佈的資料
nx檢視nx
[1] -0.83241783 -0.29609562 -0.06736888 -0.02366562 0.23652392 0.97570959
[7] -0.85301145 1.51769488 -0.84866517 0.20691119
檢視的結果
ks.test(nx, "pnorm", mean = mean(nx), sd = sqrt(var(nx)))
shapiro-wilk方法進行正態檢驗
kolmogorov-smirnov檢驗需要三個輸入變數，及資料本身、均值及標準差
one-sample kolmogorov-smirnov test
data: nx
d = 0.1828, p-value = 0.8344
alternative hypothesis: two-sided
檢驗結果，因為
p值大於0.05，所以資料為正態分佈，和origin 統計的結果一致
正態分佈R語言例項
開機時顯示的時間排名是如何設計的呢？下面以此為例一起學下r語言與正態分佈。首先，你可能會覺得它是這樣子實現的 1 收集所有使用者的開機時間的資料，排好序放在乙個資料庫中 2 然後根據你的開機時間，找出你的排名，除以總使用者數，就是你擊敗電腦佔比。data mean data 1 sd data 1 ...
R正態分佈 ggplot
randnorm rnorm 3000 rnorm 3000 產生3000個正太分布數 randdensity dnorm randnorm dnorm randnorm 求其密度函式值 ggplot data.frame x randnorm,y randdensity aes x x,y y g...
2 2正態分佈檢測
encoding utf 8 import sys import numpy as np import pandas as pd from scipy import stats as sts import matplotlib.pyplot as plt import matplotlib as m...