首页 > 代码库 > R语言之正态性检验
R语言之正态性检验
数据的正态性是很多统计方法的基础,因此正态性检验也是必不可少的,下面介绍使用R进行正态性检验的几种方法
1.Shaprio-Wilk检验
用于比较样本数据与正态分布是否存在显著不同,使用Shapiro.test()函数实现,格式为Shapiro.test(data),要求data为向量格式。
2.Kolmogorov-Smirnov检验
该检验用于比较两种分布是否相同,或者将样本与某已知分布进行比较,可以使用ks.test()函数实现,格式为ks.test(x,y...),其中x是想检验的向量,y是与x对比的向量或者为某分布感受,如qmorm(),格式也要求为向量格式。
3.QQ图
也称为分位数-分位数图,如果两个分布相同,则产生的数据点会落在一条直线上,可以使用qqplot()函数实现两个分布或向量的对比,如qqplot(rpois(50,5),rnorm(50,5,1)),qqplot(data2,data1)。
在此,我们需要添加一条直线方便我们判断,使用abline()函数可以完成,但是该函数需要指定直线的斜率和截距,因此我们需要进行一些计算,如:
> qqp<-qqplot(data2,rnorm(50,5,2))
> abline(lm(qqp$x~qqp$y))
首先在使用qqplot()的时候,返回的结果中包含了x和y值,我们将其命名为qqp,以便随后使用lm()函数提取这两个值拟合线性模型得到斜率和截距,以此作为abline的参数。
此外,还有一个qqnorm()函数专门用来和正态分布作对比,并且有专门的qqline()函数做对比直线。
R语言之正态性检验
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。