初识R语言—统计篇之正态分布和抽样分布

2夏皮罗检验（shapirotest）

当w接近1，p > 005时，说明数据符合正态分布，这个检验只适合于3-5000个数据，样本数量不在这个范围内的话，会报错

补充从b站麦子那里学到的另外三种判断是不是正态分布的可视化方法

标准正态分布的概率密度函数中F(x)代表的是正态分布中数值<x的概率

案例1中的做法是先把数据标准化，然后查表进行计算，也可以通过R进行计算

- 中心极限定理

扩展案例4，找到图中距离最近的一对端点：

第i行第j列表示城市i和城市j的距离，x[i,j]=x[j,i]

矩阵式对称的，且我们的目标使找到非0的最小值，并返回其所有的位置。

既然是对称的，只需要计算上三角(此例用上三角)或下三角的每一行的最小值，再找到这些最小值的那一个。

q<-matrix(c(0,12,13,8,20,12,0,15,28,88,13,15,0,6,9,8,28,6,0,33,20,88,9,33,0),

nrow=5,ncol=5)

mind<-function(d){

n<-nrow(d)

dd<-cbind(d,1:n)#为原矩阵增加一列，为相应的行号

wins<-apply(dd[-n,],1,imin)#dd[-n,]，因为无需计算最后一行的最小值,上三角中值为0

i<-whichmin(wins[2,])

#wins第1行为每行上三角最小值的列号，第2行为每行上三角的最小值

#在wins矩阵第2列找出最小值的位置，即为该最小值在原矩阵中的行号

j<-wins[1,i]

#j为wins矩阵中最小的值对应的k

#j为原矩阵的列号

return(c(d[i,j],i,j))

}

imin<-function(x){

lx<-length(x)

i<-x[lx]#注意此处返回的是行号，每一行的最后一个数字为对应的行号

j<-whichmin(x[(i+1):(lx-1)])

#lx-1是为了不将行号值纳入计算，(i+1):(lx-1)为对应行i的上三角位置

#j取了该行上三角中最小值的位置

#举例，q第一行(i=1)的上三角值为12,13,8,20那么最小值为8，j=3,k=i+j=4,为原矩阵中该行最小值的实际位置

k<-i+j

return(c(k,x[k]))

}

#imin主要应用在apply中，要考虑到其应用的是一个什么样子的矩阵

mind(q)

#[1] 6 3 4，最小的值是6，位于第3行第4列

通常遇到一个新的包直接用必应搜索搜包的名字就可以找到对应的帮助文档

打开这个包的github主页就有对应的帮助文档

直接installpackages()就可以了

这个看起来就比 geom_line() 函数平滑了一些

geom_spline()函数里有一个参数 spline_shape ,我们分别给这个参数赋予不同的值来看看他起到什么效果

以上就是关于初识R语言—统计篇之正态分布和抽样分布全部的内容，包括:初识R语言—统计篇之正态分布和抽样分布、r语言编程艺术中第三章扩展案例中找图中距离最近的一对端点的代码中17、R语言的ggplot2做平滑的折线图简单小例子等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！