生成标准正态分布数据
# 生成标准正态分布数据
standard_normal_data <- rnorm(1000)
上述代码使用rnorm函数生成了包含1000个随机样本的标准正态分布数据。
绘制标准正态分布的直方图
# 安装并加载ggplot2包
install.packages("ggplot2")
library(ggplot2)
# 绘制直方图
ggplot() +
geom_histogram(aes(x = standard_normal_data, y = ..density..), bins = 30, fill = "blue", color = "black") +
stat_function(fun = dnorm, args = list(mean = mean(standard_normal_data), sd = sd(standard_normal_data)), color = "red", size = 1) +
labs(title = "Standard Normal Distribution", x = "Value", y = "Density")
上述代码使用ggplot2包绘制了标准正态分布的直方图，并通过stat_function函数添加了标准正态分布的密度曲线。
计算标准正态分布的累积概率
# 计算标准正态分布的累积概率
cumulative_probability <- pnorm(standard_normal_data)
# 显示前几个样本的累积概率
head(cumulative_probability)
上述代码使用pnorm函数计算了标准正态分布数据的累积概率。
这些是处理标准正态分布的一些基本操作，你可以根据需要进行进一步的分析和可视化。
转载请注明出处：http://www.zyzy.cn/article/detail/6420/R语言