logo

TechCodeview

Normāls sadalījums R

Normāls sadalījums ir varbūtības funkcija, ko izmanto statistikā un kas stāsta par datu vērtību sadalījumu. Tā ir vissvarīgākā varbūtības sadalījuma funkcija, ko izmanto statistikā, jo tai ir priekšrocības reālos scenārijos. Piemēram, iedzīvotāju garums, apavu izmērs, IQ līmenis, kauliņu mešana un daudz kas cits. Parasti tiek novērots, ka datu sadalījums ir normāls, ja notiek nejauša datu vākšana no neatkarīgiem avotiem. Grafiks, kas izveidots pēc mainīgā vērtības attēlošanas uz x ass un vērtību skaitīšanas uz y ass, ir zvanveida līknes grafiks. Grafikā norādīts, ka maksimuma punkts ir datu kopas vidējais lielums un puse no datu kopas vērtībām atrodas vidējās vērtības kreisajā pusē, bet otra puse atrodas vidējās vērtības labajā pusē, kas stāsta par vērtību sadalījumu. Grafiks ir simetrisks sadalījums. R ir 4 iebūvētas funkcijas, lai ģenerētu normālu sadalījumu:
    dnorm()
    dnorm(x, mean, sd)>
    pnorm()
    pnorm(x, mean, sd)>
    qnorm()
    qnorm(p, mean, sd)>
    rnorm()
    rnorm(n, mean, sd)>
kur,
– x apzīmē vērtību datu kopu - vidējais (x) apzīmē datu kopas vidējo vērtību x . Tā noklusējuma vērtība ir 0.
>
– sd(x) apzīmē datu kopas standarta novirzi x . Tā noklusējuma vērtība ir 1.
>
– n ir novērojumu skaits. – lpp ir varbūtību vektors

Funkcijas, lai radītu normālu sadalījumu R

dnorm()

dnorm()> funkcija R programmēšanā mēra sadalījuma blīvuma funkciju. Statistikā to mēra pēc formulas:
>
kur, ir zemisks un ir standarta novirze. Sintakse : 
dnorm(x, mean, sd)>
Piemērs:
# 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()> 
>
>
Izvade:

pnorm()

pnorm()> funkcija ir kumulatīvā sadalījuma funkcija, kas mēra varbūtību, ka nejaušam skaitlim X ir vērtība, kas ir mazāka vai vienāda ar x, t.i., statistikā to nosaka
>
Sintakse: 
pnorm(x, mean, sd)>
Piemērs:
# 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()> 
>
>
Izvade:

qnorm()

qnorm()> funkcija ir apgriezta pnorm()>funkciju. Tas ņem varbūtības vērtību un dod izvadi, kas atbilst varbūtības vērtībai. Tas ir noderīgi, lai atrastu normālā sadalījuma procentiles. Sintakse: 
qnorm(p, mean, sd)>
Piemērs:
# 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()> 
>
>
Izvade:

rnorm()

rnorm()> funkcija R programmēšanā tiek izmantota, lai ģenerētu nejaušu skaitļu vektoru, kas parasti ir sadalīti. Sintakse: 
rnorm(x, mean, sd)>
Piemērs:
# 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()> 
>
>
Izvade: