
使用R完成正太分布檢驗
什么是正太分布檢驗?
判斷一樣本所代表的背景總體與理論正態(tài)分布是否沒有顯著差異的檢驗。
方法一概率密度曲線比較法
看樣本與正太分布概率密度曲線的擬合程度,R代碼如下:
norm_expression <- function(x) (1/sqrt(2*pi))*exp(-0.5*x^2)
#curve(norm_expression, -4, 4, col="red") #標準正太分布概率密度曲線
#畫樣本概率密度圖
s <- rnorm(100) #產(chǎn)生樣本
d <- density(s)
plot(d, col="green", ylim=c(0, 0.5))
#添加正太分布概率密度圖
s2 <- seq(from=-4, to=4, length.out=100)
lines(s2, norm_expression(s2), col="red")
畫圖結(jié)果如下:
方法二正太Q-Q圖法
使用Q-Q圖來判斷數(shù)據(jù)是否服從正太分布,R代碼如下:
s <- rnorm(100) #產(chǎn)生樣本
qqnorm(s)
qqline(s)
畫圖結(jié)果如下,可見數(shù)據(jù)分布集中在對角線上,可以認為總體服從正太分布:
方法三經(jīng)驗法則
約68.3%數(shù)值分布在距離平均值有1個標準差之內(nèi)的范圍,約95.4%數(shù)值分布在距離平均值有2個標準差之內(nèi)的范圍,以及約99.7%數(shù)值分布在距離平均值有3個標準差之內(nèi)的范圍。稱為“68-95-99.7法則”或“經(jīng)驗法則”。
使用R的驗證代碼如下:
s <- rnorm(10000) #產(chǎn)生樣本
sum(abs(s - mean(s)) < sd(s)) / length(s)
sum(abs(s - mean(s)) < 2*sd(s)) / length(s)
程序結(jié)果:
> s <- rnorm(10000) #產(chǎn)生樣本
> sum(abs(s - mean(s)) < sd(s)) / length(s)
[1] 0.6871
> sum(abs(s - mean(s)) < 2*sd(s)) / length(s)
[1] 0.9538
方法四 統(tǒng)計檢驗方法
使用樣本偏度和樣本峰度來估計總體偏度和峰度,在正太分布的假定下,樣本偏度和峰度均服從均值為零、方差分別為6/T和24/T的正太分布,可以分別檢驗偏度和峰度,也可以將兩個統(tǒng)計量結(jié)合起來生成一個服從自由度為2的卡方分布的統(tǒng)計量,再進行檢驗【參見《金融時間序列分析》第三版P8~P9】。理論方面的東西略...
可以使用夏皮羅-威爾克(Shapiro-Wilk)檢驗,代碼如下:
[plain] view plain copy
s <- rnorm(1000) #產(chǎn)生樣本
shapiro.test(s)
檢驗結(jié)果:
> shapiro.test(s)
Shapiro-Wilk normality test
data: s
W = 0.9987, p-value = 0.6716
shapiro.test函數(shù)輸出一個p值,照慣例,p<0.05說明總體不太可能是正太分布,否則不能提供這么個證據(jù),也就是說這個檢驗比較保守,傾向于錯誤的過分證明正態(tài)性。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03