logo

TechCodeview

Normale verdeling in R

Normale verdeling is een waarschijnlijkheidsfunctie die wordt gebruikt in statistieken en die vertelt hoe de gegevenswaarden worden verdeeld. Het is de belangrijkste kansverdelingsfunctie die in de statistieken wordt gebruikt vanwege de voordelen ervan in reële scenario's. Bijvoorbeeld de lengte van de bevolking, schoenmaat, IQ-niveau, het gooien van een dobbelsteen en nog veel meer. Algemeen wordt aangenomen dat gegevensverdeling normaal is als er sprake is van een willekeurige verzameling gegevens uit onafhankelijke bronnen. De grafiek die wordt geproduceerd na het uitzetten van de waarde van de variabele op de x-as en het tellen van de waarde op de y-as is een klokvormige curvegrafiek. De grafiek geeft aan dat het piekpunt het gemiddelde is van de dataset en dat de helft van de waarden van de dataset aan de linkerkant van het gemiddelde ligt en de andere helft aan de rechterkant van het gemiddelde, wat vertelt over de verdeling van de waarden. De grafiek is symmetrisch verdeeld. In R zijn er 4 ingebouwde functies om een ​​normale verdeling te genereren:
    dnorm()
    dnorm(x, mean, sd)>
    pnorm()
    pnorm(x, mean, sd)>
    qnorm()
    qnorm(p, mean, sd)>
    rnorm()
    rnorm(n, mean, sd)>
waar,
– X vertegenwoordigt de dataset van waarden – gemiddelde(x) vertegenwoordigt het gemiddelde van de dataset X . De standaardwaarde is 0.
>
– sd(x) vertegenwoordigt de standaardafwijking van de dataset X . De standaardwaarde is 1.
>
– N is het aantal waarnemingen. – P is een vector van waarschijnlijkheden

Functies om normale verdeling in R te genereren

dnorm()

dnorm()> functie in R-programmering meet de dichtheidsfunctie van de distributie. In de statistieken wordt het gemeten met de onderstaande formule:
>
waar, is gemeen en is standaarddeviatie. Syntaxis: 
dnorm(x, mean, sd)>
Voorbeeld:
# 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()> 
>
>
Uitgang:

pnorm()

pnorm()> functie is de cumulatieve verdelingsfunctie die de waarschijnlijkheid meet dat een willekeurig getal X een waarde aanneemt die kleiner is dan of gelijk is aan x, dat wil zeggen dat het in de statistieken wordt gegeven door-
>
Syntaxis: 
pnorm(x, mean, sd)>
Voorbeeld:
# 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()> 
>
>
Uitgang:

qnorm()

qnorm()> functie is het omgekeerde van pnorm()>functie. Het neemt de waarschijnlijkheidswaarde en geeft uitvoer die overeenkomt met de waarschijnlijkheidswaarde. Het is nuttig bij het vinden van de percentielen van een normale verdeling. Syntaxis: 
qnorm(p, mean, sd)>
Voorbeeld:
# 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()> 
>
>
Uitgang:

rnorm()

rnorm()> De functie in R-programmering wordt gebruikt om een ​​vector van willekeurige getallen te genereren die normaal verdeeld zijn. Syntaxis: 
rnorm(x, mean, sd)>
Voorbeeld:
# 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()> 
>
>
Uitgang: