logo

TechCodeview

Normalfordeling i R

Normal fordeling er en sandsynlighedsfunktion, der bruges i statistik, der fortæller om, hvordan dataværdierne er fordelt. Det er den vigtigste sandsynlighedsfordelingsfunktion, der bruges i statistik på grund af dens fordele i virkelige tilfælde. For eksempel befolkningens højde, skostørrelse, IQ-niveau, terningkast og mange flere. Det observeres generelt, at datafordeling er normal, når der er en tilfældig indsamling af data fra uafhængige kilder. Grafen fremstillet efter plotning af værdien af ​​variablen på x-aksen og optælling af værdien på y-aksen er en klokkeformet kurvegraf. Grafen angiver, at toppunktet er middelværdien af ​​datasættet, og halvdelen af ​​værdierne af datasættet ligger på venstre side af middelværdien og den anden halvdel ligger på højre del af middelværdien og fortæller om fordelingen af ​​værdierne. Grafen er symmetrisk fordeling. I R er der 4 indbyggede funktioner til at generere normalfordeling:
    dnorm()
    dnorm(x, mean, sd)>
    pnorm()
    pnorm(x, mean, sd)>
    qnorm()
    qnorm(p, mean, sd)>
    rnorm()
    rnorm(n, mean, sd)>
hvor,
– x repræsenterer datasættet af værdier – middel(x) repræsenterer gennemsnittet af datasættet x . Dens standardværdi er 0.
>
– sd(x) repræsenterer standardafvigelsen for datasættet x . Dens standardværdi er 1.
>
– n er antallet af observationer. – s er vektor af sandsynligheder

Funktioner til at generere normalfordeling i R

dnorm()

dnorm()> funktion i R programmering måler tæthed funktion af distribution. I statistik måles det med nedenstående formel-
>
hvor, er ond og er standardafvigelse. Syntaks: 
dnorm(x, mean, sd)>
Eksempel:
# creating a sequence of values> # between -15 to 15 with a difference of 0.1> x>=> seq(>->15>,>15>, by>=>0.1>)> > y>=> dnorm(x, mean(x), sd(x))> > # output to be present as PNG file> png(>file>=>'dnormExample.webp'>)> > # Plot the graph.> plot(x, y)> > # saving the file> dev.off()> 
>
>
Produktion:

pnorm()

pnorm()> funktion er den kumulative fordelingsfunktion, som måler sandsynligheden for, at et tilfældigt tal X tager en værdi mindre end eller lig med x, dvs. i statistik er det givet ved-
>
Syntaks: 
pnorm(x, mean, sd)>
Eksempel:
# creating a sequence of values> # between -10 to 10 with a difference of 0.1> x <>-> seq(>->10>,>10>, by>=>0.1>)> > y <>-> pnorm(x, mean>=> 2.5>, sd>=> 2>)> > # output to be present as PNG file> png(>file>=>'pnormExample.webp'>)> > # Plot the graph.> plot(x, y)> > # saving the file> dev.off()> 
>
>
Output:

qnorm()

qnorm()> funktion er det omvendte af pnorm()>fungere. Den tager sandsynlighedsværdien og giver output, der svarer til sandsynlighedsværdien. Det er nyttigt til at finde percentilerne for en normalfordeling. Syntaks: 
qnorm(p, mean, sd)>
Eksempel:
# Create a sequence of probability values> # incrementing by 0.02.> x <>-> seq(>0>,>1>, by>=> 0.02>)> > y <>-> qnorm(x, mean(x), sd(x))> > # output to be present as PNG file> png(>file> => 'qnormExample.webp'>)> > # Plot the graph.> plot(x, y)> > # Save the file.> dev.off()> 
>
>
Produktion:

rnorm()

rnorm()> funktion i R-programmering bruges til at generere en vektor af tilfældige tal, som er normalfordelt. Syntaks: 
rnorm(x, mean, sd)>
Eksempel:
# Create a vector of 1000 random numbers> # with mean=90 and sd=5> x <>-> rnorm(>10000>, mean>=>90>, sd>=>5>)> > # output to be present as PNG file> png(>file> => 'rnormExample.webp'>)> > # Create the histogram with 50 bars> hist(x, breaks>=>50>)> > # Save the file.> dev.off()> 
>
>
Output: