In der Statistik wird die Gamma-Verteilung häufig verwendet, um Wahrscheinlichkeiten in Bezug auf Wartezeiten zu modellieren.
Die folgenden Beispiele zeigen, wie Sie die Funktion scipy.stats.gamma() verwenden, um eine …
Um eine Normalverteilung in R zu zeichnen, können wir entweder Base R verwenden oder ein schickeres Paket wie ggplot2 installieren.
Hier sind drei Beispiele zum Erstellen eines Normalverteilungsdiagramms mit Base R
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:
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:
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:
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.
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:
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:
In der Statistik wird die Gamma-Verteilung häufig verwendet, um Wahrscheinlichkeiten in Bezug auf Wartezeiten zu modellieren.
Die folgenden Beispiele zeigen, wie Sie die Funktion scipy.stats.gamma() verwenden, um eine …
Eine Gleichverteilung ist eine Wahrscheinlichkeitsverteilung, bei der jeder Wert zwischen einem Intervall von a bis b mit gleicher Wahrscheinlichkeit gewählt wird.
Die Wahrscheinlichkeit, dass wir auf einem Intervall von a …