美文网首页
初识R语言—统计篇之正态分布和抽样分布

初识R语言—统计篇之正态分布和抽样分布

作者: 超级无敌大蜗牛 | 来源:发表于2020-04-05 15:50 被阅读0次
  • 初识正态分布
library(ggplot2)

#模拟生成一个正态分布,表示均值为7000,标准差为2000,数目为10000的男性毕业生收入
data1 <- rnorm(10000,mean = 7000, sd = 2000)#这样生成的是向量
data1 <- as.data.frame(data1)
data1 <- data.frame(income=data1$data1,gender="male")
ggplot(data1,aes(income))+geom_histogram()#做出来是频数分布图
ggplot(data1,aes(income))+geom_histogram(stat = "density")#income的各个分布所占的比例

#模拟生成一个正态分布,表示均值为5000,标准差为2000,数目为10000的女性毕业生收入
data2 <- rnorm(10000,mean = 5000, sd = 2000)
data2 <- as.data.frame(data2)
data2 <- data.frame(income=data2$data2,gender="female")

#将男性数据和女性数据组合起来
data <- rbind(data1,data2)

#均值μ决定了正态曲线的中心位置,当标准差σ不变时,μ越大,图形越往右移动
#标准差σ决定了图形的陡峭程度,标准差越大,说明数据的离散程度越大,数据越分散,曲线就会越扁平;
ggplot(data,aes(income))+geom_histogram()+facet_grid(gender~.)
combined_data
  • 检验正态分布的三种方法
  1. qq图
qqnorm(data1$income)
qqline(data1$income,col="darkred") #通过col添加正态分布的标准线,离标准线越近,则数据越符合正态分布
qqline

2.夏皮罗检验(shapiro.test)
当w接近1,p > 0.05时,说明数据符合正态分布,这个检验只适合于3-5000个数据,样本数量不在这个范围内的话,会报错

shapiro.test(sample(data$income,5000))

    Shapiro-Wilk normality test

data:  sample(data$income, 5000)
W = 0.99959, p-value = 0.394

## 可以通过for循环,进行多次抽样,减少抽样误差
save_data <- c()#新建一个空白向量
for (i in 1:100){#这里的i指的是抽样次数
  sample_data <- shapiro.test(sample(data$income,5000))#将每次抽样的计算结果赋值给sample_data
  save_data <- append(save_data, sample_data[["p.value"]])#append函数是将元素存放在向量里,这里的意思是说将每次抽样得到的检验结果中的p.value存放在向量save_data里面,另外这里不用p-value而是p.value是根据names(shapiro.test(sample(data$income,5000)))来确定的;
}
  length(save_data[save_data<0.05])#输出save_data < 0.05的个数,即100次抽样中,p < 0.05的次数

[1] 6
  1. KS检验
    D接近0,且p > 0.05时,说明数据符合正态分布
ks.test(
  data$income,
  rnorm(10000,mean = mean(data$income), sd = sd(data$income)))
    Two-sample Kolmogorov-Smirnov test#以data的平均值为平均值,以data的方差为方差模拟一个新的正态分布数据,和data做比较,看data符合不符合正态分布。

data:  data$income and rnorm(10000, mean = mean(data$income), sd = sd(data$income))
D = 0.0075, p-value = 0.8475
alternative hypothesis: two-sided
三种判断方法的优缺点

补充从b站麦子那里学到的另外三种判断是不是正态分布的可视化方法

library(ggpubr)
data("ToothGrowth")
#1.ggdensity
ggdensity(ToothGrowth,x='len',color = 'supp', fill = 'supp',palette = c('grey','dark green'),
          rug = T,add = 'median') #rug显示具体数值,add在平均值上添加竖线

#2.gghistogram
gghistogram(ToothGrowth,x='len',color = 'supp', fill = 'supp',palette = c('grey','dark green'),
          rug = T,add = 'median', bins = 15) #bin是以多少数值分割x轴

#3.qq图
ggqqplot(ToothGrowth,x = 'len',color = 'supp')
ggdensity gghistogram qq图

判断完数据如果符合正态分布,还需要比较方差,进而确定用什么方法进行t检验。

正态分布的四个函数
  • 关于正态分布的4个函数及其应用
    由已知的正态分布中体来分析个体
    已知某大学男性毕业生收入的均值为7000,标准差为2000,求:
#1、若甲同学的收入大于80%的人,那么他的收入是多少哪?(由概率求值问题)
qnorm(0.8, mean = 7000, sd = 2000)
[1] 8683.242
#2、一同学的收入为8500左右的概率是多少?(点概率问题)
dnorm(8500, mean = 7000, sd=2000)
[1] 0.0001505687
#3、已知丙同学的收入为9000,他的收入会比百分之多少的人高?(区间概率问题)
pnorm(9000, mean = 7000, sd = 2000)
[1] 0.8413447
  • 标准正态分布
    标准正态分布
标准正态分布的概率密度函数

标准正态分布的概率密度函数中F(x)代表的是正态分布中数值<x的概率


标准正态分布函数数值表
  • 一般正态分布转换成标准正态分布
    若随机变量X~N(μ, σ),则有Z=(X-μ)/σ ~ N(0,1)
zdata1 <- (data1$income-mean(data1$income))/sd(data1$income)
ggplot(data=NULL, aes(zdata1))+geom_histogram()#转换后的zdata1是向量,而不是数据框,所以可以用data=NULL,如果是数据框data.frame,那么就不能这么写了
标准化后的正态分布 案例1

案例1中的做法是先把数据标准化,然后查表进行计算,也可以通过R进行计算

> pnorm(180, mean = 175, sd = 5)
[1] 0.8413447
  • 抽样分布
    抽样分布

-中心极限定理

中心极限定理
> #1.当总体分布服从正态分布时,任意一个样本,无论样本容量多大,样本均值都服从正态分布
> #每次抽样的样本容量
> n <- 30
> 
> #统计量的统计函数
> f <- mean
> 
> #抽样次数
> times <- 1000
> 
> #保存抽样后的统计量,这里指的是均值
> c_data <- c()
> 
> for (i in 1:times){
+   sampledata <- sample(data$income, n)
+   c_data <- append(c_data, f(sampledata))
+ }
> #绘出统计量的分布图形
> ggplot(data=NULL,aes(c_data))+geom_histogram()
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
> 
> shapiro.test(c_data)

    Shapiro-Wilk normality test

data:  c_data
W = 0.99645, p-value = 0.02314
histogram

相关文章

  • 初识R语言—统计篇之正态分布和抽样分布

    初识正态分布 检验正态分布的三种方法 qq图 2.夏皮罗检验(shapiro.test)当w接近1,p > 0.0...

  • 学习计划

    1、完成《mysql必知必会》学习 2、条件概率,贝叶斯公式,相关独立,几何分布,泊松分布,正态分布,统计抽样,估...

  • R语言统计抽样

    1 简单随机抽样 简单随机抽样是指从数据总体中任意抽取指定数量的数据作为样本,其中每个可能被抽取中的样本概率相...

  • 一个总体参数的区间估计

    当总体服从正态分布且已知时,或者总体不是正态分布但大样本时,样本均值的抽样分布均为正态分布,其数学期望为总体均值,...

  • 每组三个样本,搞事情够吗

    本文是statquest抽样分布 (Sampling A Distribution)的学习记录和R语言实现。视频链...

  • AB测试原理(三)重抽样检验

    根据中心极限定理,重抽样可以针对非正态分布的数据做检验,重抽样分为自助法、置换检验两种。(面向数据科学家的实用统计...

  • 学习小组Day4笔记--LA

    R语言 1.下载R和Rstudio 2.R语言的基本操作 1画图 plot是图,rnorm是正态分布的函数plot...

  • 墨尔本MAST20005/MAST90058 课业解析

    题意: 概率论与数理统计中的几个小鳀 解析 问题1:使用R语言统计数据生成图像;假设服从正态分布,计算参数的极大似...

  • 初识R语言—统计篇之常用的两种抽样方法

    1.随机抽样 sample(x,size,replace = F)replace=F是默认的,表示不放回抽样 2....

  • 学习小组DAY4--帅炸

    R语言基础 认识R和Rstudio 试着作图 plot(rnorm(50))产生50个服从正态分布的随机数Rp1....

网友评论

      本文标题:初识R语言—统计篇之正态分布和抽样分布

      本文链接:https://www.haomeiwen.com/subject/rezjphtx.html