Чтобы построить нормальное распределение в R, мы можем либо использовать базовый R, либо установить более интересный пакет, такой как ggplot2.
Использование базы R
Вот три примера того, как создать график нормального распределения с помощью Base R.
Пример 1: нормальное распределение со средним значением = 0 и стандартным отклонением = 1.
Чтобы создать график нормального распределения со средним значением = 0 и стандартным отклонением = 1, мы можем использовать следующий код:
#Create a sequence of 100 equally spaced numbers between -4 and 4
x <- seq(-4, 4, length=100)
#create a vector of values that shows the height of the probability distribution
#for each value in x
y <- dnorm(x)
#plot x and y as a scatterplot with connected lines (type = "l") and add
#an x-axis with custom labels
plot(x,y, type = "l", lwd = 2, axes = FALSE, xlab = "", ylab = "")
axis(1, at = -3:3, labels = c("-3s", "-2s", "-1s", "mean", "1s", "2s", "3s"))
Это генерирует следующий сюжет:
Пример 2: нормальное распределение со средним значением = 0 и стандартным отклонением = 1 (меньше кода)
Мы также могли бы создать график нормального распределения, не определяя x и y , а вместо этого просто используя функцию «curve», используя следующий код:
curve(dnorm, -3.5, 3.5, lwd=2, axes = FALSE, xlab = "", ylab = "")
axis(1, at = -3:3, labels = c("-3s", "-2s", "-1s", "mean", "1s", "2s", "3s"))
Это генерирует точно такой же сюжет:
Пример 3: Нормальное распределение с настроенным средним значением и стандартным отклонением
Чтобы создать график нормального распределения с заданным пользователем средним значением и стандартным отклонением, мы можем использовать следующий код:
#define population mean and standard deviation
population_mean <- 50
population_sd <- 5
#define upper and lower bound
lower_bound <- population_mean - population_sd
upper_bound <- population_mean + population_sd
#Create a sequence of 1000 x values based on population mean and standard deviation
x <- seq(-4, 4, length = 1000) \* population_sd + population_mean
#create a vector of values that shows the height of the probability distribution
#for each value in x
y <- dnorm(x, population_mean, population_sd)
#plot normal distribution with customized x-axis labels
plot(x,y, type = "l", lwd = 2, axes = FALSE, xlab = "", ylab = "")
sd_axis_bounds = 5
axis_bounds <- seq(-sd_axis_bounds \* population_sd + population_mean,
sd_axis_bounds \* population_sd + population_mean,
by = population_sd)
axis(side = 1, at = axis_bounds, pos = 0)
Это генерирует следующий сюжет:
Использование ggplot2
Другой способ создать график нормального распределения в R — использовать пакет ggplot2. Вот два примера того, как создать график нормального распределения с помощью ggplot2.
Пример 1: нормальное распределение со средним значением = 0 и стандартным отклонением = 1.
Чтобы создать график нормального распределения со средним значением = 0 и стандартным отклонением = 1, мы можем использовать следующий код:
#install (if not already installed) and load ggplot2
if(!(require(ggplot2))){install.packages('ggplot2')}
#generate a normal distribution plot
ggplot(data.frame(x = c(-4, 4)), aes(x = x)) +
stat_function(fun = dnorm)
Это генерирует следующий сюжет:
Пример 2. Нормальное распределение с использованием набора данных mtcars.
В следующем коде показано, как создать нормальное распределение для столбца миль на галлон во встроенном наборе данных R mtcars :
ggplot(mtcars, aes(x = mpg)) +
stat_function(
fun = dnorm,
args = with(mtcars, c(mean = mean(mpg), sd = sd(mpg)))
) +
scale_x_continuous("Miles per gallon")
Это генерирует следующий сюжет:
