介绍
如何理解R语言做正态性检验的分析,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。
<节> <节>R语言里做做正态性检验通常用到的函数是<代码> shaporo.test() 代码>,这个是叫Shapiro-Wilk(夏皮罗-威尔克)正态性性检验。
对应的原假设是<强>样本X来自的总体具有正态性分布强>
比如代码
<代码>祝辞,x<-rnorm (100),
祝辞,shapiro.test (X)
, Shapiro-Wilk normality 测试
数据:,,X
W =, 0.99187, 0.8117, p-value =,
代码>
p值大于0.05接受原假设
今天一位同学提出<代码> shaporo.test() 代码>这个函数输出数据的范围是3 ~ 5000,超出5000年该如何做呢?我自己之前还没有注意到过样本量超5000年出的情况。
<强>第一个想到的是在大于5000的样本里再随机选一个小于5000的样本就可以了强>
示例代码
<代码> x<-rnorm (6000),
x1<样本(x, 3000年,replace =, F)
shapiro.test (x1)
代码>
但这种情况好像不太稳定,我试了一下有时候算出来的p值是小于0.05的。那我们就可以多抽几次,看p值小于0.05出现次数的多少
<强>还找到一种方法是直接可视化数据来观察强>
可以选密度分布图和qq图
参考链接是http://www.sthda.com/english/wiki/normality-test-in-r
示例代码
<代码> x<-rnorm (6000)图数据工具,<=" mdnice编辑器”> 看完上述内容,你们掌握如何理解R语言做正态性检验的分析的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注行业资讯频道,感谢各位的阅读!
图书馆(ggpubr)
p1<-ggdensity (x)
p2<-ggqqplot (x)图书馆(cowplot)
plot_grid (p1, p2, ncol=2)
代码>