logo

TechCodeview

Normalfordeling i R

Normal distribusjon er en sannsynlighetsfunksjon brukt i statistikk som forteller om hvordan dataverdiene er fordelt. Det er den viktigste sannsynlighetsfordelingsfunksjonen som brukes i statistikk på grunn av dens fordeler i virkelige case-scenarier. For eksempel høyden på befolkningen, skostørrelse, IQ-nivå, terningkast og mange flere. Det er generelt observert at datafordeling er normal når det er en tilfeldig innsamling av data fra uavhengige kilder. Grafen som produseres etter å ha plottet verdien av variabelen på x-aksen og telling av verdien på y-aksen er en klokkeformet kurvegraf. Grafen indikerer at topppunktet er gjennomsnittet av datasettet og halvparten av verdiene til datasettet ligger på venstre side av gjennomsnittet og den andre halvparten ligger på høyre del av gjennomsnittet og forteller om fordelingen av verdiene. Grafen er symmetrisk fordeling. I R er det 4 innebygde funksjoner for å generere normalfordeling:
    dnorm()
    dnorm(x, mean, sd)>
    pnorm()
    pnorm(x, mean, sd)>
    qnorm()
    qnorm(p, mean, sd)>
    rnorm()
    rnorm(n, mean, sd)>
hvor,
– x representerer datasettet med verdier – gjennomsnitt (x) representerer gjennomsnittet av datasettet x . Dens standardverdi er 0.
>
– sd(x) representerer standardavviket til datasettet x . Dens standardverdi er 1.
>
– n er antall observasjoner. – s er vektor av sannsynligheter

Funksjoner for å generere normalfordeling i R

dnorm()

dnorm()> funksjon i R programmering måler tetthet funksjon av distribusjon. I statistikk måles det med formelen nedenfor-
>
hvor, er slem og er standardavvik. 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()> 
>
>
Produksjon:

pnorm()

pnorm()> funksjon er den kumulative fordelingsfunksjonen som måler sannsynligheten for at et tilfeldig tall X tar en verdi mindre enn eller lik x, dvs. i statistikk er det gitt av-
>
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()> 
>
>
Utgang:

qnorm()

qnorm()> funksjon er det motsatte av pnorm()>funksjon. Den tar sannsynlighetsverdien og gir utdata som tilsvarer sannsynlighetsverdien. Det er nyttig for å finne persentilene til 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()> 
>
>
Produksjon:

rnorm()

rnorm()> funksjon i R-programmering brukes til å generere en vektor av tilfeldige tall 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()> 
>
>
Utgang: