So plotten Sie eine Normalverteilung in R

Um eine Normalverteilung in R zu zeichnen, können wir entweder Base R verwenden oder ein schickeres Paket wie ggplot2 installieren.

Verwenden von Base R

Hier sind drei Beispiele zum Erstellen eines Normalverteilungsdiagramms mit Base R

Beispiel 1: Normalverteilung mit Mittelwert = 0 und Standardabweichung = 1

Um ein Normalverteilungsdiagramm mit Mittelwert = 0 und Standardabweichung = 1 zu erstellen, können wir den folgenden Code verwenden:

#Erstellen Sie eine Folge von 100 gleich beabstandeten Zahlen zwischen -4 und 4
x <- seq(-4, 4, length=100)
#Erstellen Sie einen Wertevektor, der die Höhe der Wahrscheinlichkeitsverteilung anzeigt
#für jeden Wert in x
y <- dnorm(x)
#Plotte x und y als Streudiagramm mit verbundenen Linien (Typ = "l") und addiere
# eine x-Achse mit benutzerdefinierten Beschriftungen
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"))

Dies erzeugt das folgende Diagramm:

Beispiel 2: Normalverteilung mit Mittelwert = 0 und Standardabweichung = 1 (weniger Code)

Wir könnten auch ein Normalverteilungsdiagramm erstellen, ohne x und y zu definieren, und stattdessen einfach die Funktion „Kurve“ mit dem folgenden Code verwenden:

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"))

Dies erzeugt genau das gleiche Diagramm:

Beispiel 3: Normalverteilung mit angepasstem Mittelwert und Standardabweichung

Um ein Normalverteilungsdiagramm mit einem benutzerdefinierten Mittelwert und einer Standardabweichung zu erstellen, können Sie den folgenden Code verwenden:

 # Populationsmittelwert und Standardabweichung definieren
population_mean <- 50
population_sd <- 5

# Ober- und Untergrenze definieren
lower_bound <- population_mean - population_sd
upper_bound <- population_mean + population_sd

#Erstellen Sie eine Folge von 1000 x -Werten basierend auf dem Populationsmittelwert und der Standardabweichung
x <- seq(-4, 4, length = 1000) * population_sd + population_mean
#Erstellen Sie einen Wertevektor, der die Höhe der Wahrscheinlichkeitsverteilung anzeigt für jeden Wert in x
y <- dnorm(x, population_mean, population_sd)
#Plotten der Normalverteilung mit benutzerdefinierten x-Achsen-Beschriftungen
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)

Dies erzeugt das folgende Diagramm:

Verwenden von ggplot2

Eine andere Möglichkeit, ein Normalverteilungsdiagramm in R zu erstellen, ist die Verwendung des Pakets ggplot2. Hier sind zwei Beispiele zum Erstellen eines Normalverteilungsdiagramms mit ggplot2.

Beispiel 1: Normalverteilung mit Mittelwert = 0 und Standardabweichung = 1

Um ein Normalverteilungsdiagramm mit Mittelwert = 0 und Standardabweichung = 1 zu erstellen, können wir den folgenden Code verwenden:

 #install (falls nicht bereits installiert) und lade ggplot2
if(!(require(ggplot2))){install.packages('ggplot2')}
# Generieren Sie ein Normalverteilungsdiagramm
ggplot(data.frame(x = c(-4, 4)), aes(x = x)) +
stat_function(fun = dnorm)

Dies erzeugt das folgende Diagramm:

Beispiel 2: Normalverteilung mit dem Datensatz ‚mtcars‘

Der folgende Code veranschaulicht das Erstellen einer Normalverteilung für die Meilen pro Gallone- Spalte im integrierten R-Datensatz 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")

Dies erzeugt das folgende Diagramm:

Verwenden von Base R

Beispiel 1: Normalverteilung mit Mittelwert = 0 und Standardabweichung = 1

Beispiel 2: Normalverteilung mit Mittelwert = 0 und Standardabweichung = 1 (weniger Code)

Beispiel 3: Normalverteilung mit angepasstem Mittelwert und Standardabweichung

Verwenden von ggplot2

Beispiel 1: Normalverteilung mit Mittelwert = 0 und Standardabweichung = 1

Beispiel 2: Normalverteilung mit dem Datensatz ‚mtcars‘

Statistik: Der Weg zur Datenanalyse

So zeichnen Sie eine Gamma-Verteilung in Python (mit Beispielen)

So verwenden Sie die einheitliche Verteilung in Python