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)+geom_point()+labs(x="random normal varables",y="randdensity")
##將這個你太分分布數以及對應的密度函式值作為x,y軸的值，並繪製點圖
p<-ggplot(data.frame(x=randnorm,y=randdensity))+aes(x=x,y=y)+geom_point()+labs(x="random normal varables",y="randdensity")
##變數p作為該段**的引用
neg1seq<-seq(from=min(randnorm),to=-1,by=0.1)
##生成一段序列，起始值為min(randnorm)，末尾為to=-1，步長0.1
lessthanneg1<-data.frame(x=neg1seq,y=dnorm(neg1seq))
##將序列跟該段序列對應的密度函式值作為資料框元素
lessthanneg1<-rbind(c(min(random),0),lessthanneg1,c(max(lessthanneg1$x),0))
##將最小值，中間，最大值組成的行並資料框
p+geom_polygon(data=lessthanneg1,aes(x=x,y=y))
##geom_polygon進行填充，將曲線部分跟x周之間進行填充
randprob<-pnorm(randnorm)
##pnorm（）分布函式
ggplot(data.frame(x=randnorm,y=randprob))+aes(x=x,y=y)+geom_point()+labs(x="random normal varables",y="randdensity")
##繪製分布函式
##分布函式求積分為密度函式圖形
R語言檢測資料正態分佈
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 0.2069...
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語言ggplot包之資料分布彙總
我們經常想觀察一批資料的分布形態，直方圖 密度圖 箱線圖 小提琴圖和點圖等都是很好的實現形式。在此，我們簡略介紹直方圖 密度圖和箱線圖，這種三種圖形對我們來說更為常用。很多人沒搞清楚條形圖和直方圖之間的區別。條形圖主要用於展示分類資料，即名義資料，各組分開而立。而直方圖多用於展示數值型資料，各組相依...