博文
如何使用R语言进行正态性检验（实例演示）
|||
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
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
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-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1p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
