沉闷科学的掘墓人分享 http://blog.sciencenet.cn/u/Bearjazz

博文

如何使用R语言进行正态性检验(实例演示)

已有 44343 次阅读 2012-3-17 18:34 |个人分类:我的研究|系统分类:科研笔记| R语言, 正态性检验, 自带

如何使用R语言进行正态性检验(实例演示).pdf

如何使用R语言进行正态性检验(实例演示)

 

熊荣川

六盘水师范学院生物信息实验室

xiongrongchuan@126.com

http://blog.sciencenet.cn/u/Bearjazz

 

数据的正态性检测往往是进一步深入分析的基础,这个操作在一般的统计分析软件非常容易实现。然而R语言平台操作的特性,加上数据包的丰富,使得许多朋友还不是很了解怎么在R语言平台上进行数据的正态性检验。现在我们就以一些实例进行初步的演示。

为了图文并貌,请下载pdf文件观看

如何使用R语言进行正态性检验(实例演示).pdf


 

 

实例一   R语言自带的正态性检测(Shapiro-Wilk方法

 

                                                                

 

 

 
 

输入

 
 

注释

 
 

>

 
 

nx <- c(rnorm(10))

 
 

随机产生10个正态分布的数据

 
 

>

 
 

nx

 
 

查看nx

 
 

 

 
 

[1] -0.83241783 -0.29609562 -0.06736888  -0.02366562  0.23652392  0.97570959

 

 [7] -0.85301145  1.51769488 -0.84866517  0.20691119

 
 

查看的结果

 
 

>

 
 

shapiro.test(nx)

 
 

Shapiro-Wilk方法进行正态检验

 
 

 

 
 

 

 

        Shapiro-Wilk normality test

 

 

 

data:   nx

 

W = 0.9084, p-value = 0.2699

 
 

检验结果,因为

 W接近1

p值小于0.05,所以数据为正态分布,和Origin 统计的结果一致(下图)

 
 

 

 
 

                                                                   

 
 

 

 
 

 

 
 

 

 
 

 

 

 


 

实例二   R语言自带的正态性检测(Kolmogorov-Smirnov方法

 

                                                                

 

 

 
 

输入

 
 

注释

 
 

>

 
 

nx <- c(rnorm(10))

 
 

随机产生10个正态分布的数据

 
 

>

 
 

nx

 
 

查看nx

 
 

 

 
 

[1] -0.83241783 -0.29609562 -0.06736888  -0.02366562  0.23652392  0.97570959

 

 [7] -0.85301145  1.51769488 -0.84866517  0.20691119

 
 

查看的结果

 
 

>

 
 

ks.test(nx, "pnorm", mean = mean(nx), sd =  sqrt(var(nx)))

 
 

Shapiro-Wilk方法进行正态检验

 

Kolmogorov-Smirnov检验需要三个输入变量,及数据本身、均值及标准差

 
 

 

 
 

 

 

        One-sample Kolmogorov-Smirnov test

 

 

 

data:   nx

 

D = 0.1828, p-value = 0.8344

 

alternative hypothesis: two-sided

 
 

检验结果,因为

 

p值大于W值,所以数据为正态分布,和Origin 统计的结果一致(下图)

 
 

 

 
 

   

 
 

 

 
 

 

 
 

 

 
 

 

 

 



https://blog.sciencenet.cn/blog-508298-548758.html

上一篇:怎样用R语言处理表格导入数据中的缺省值
下一篇:如何加载R语言程序包
收藏 IP: 119.78.81.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (5 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-25 03:06

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部