[转载]如何使用R语言进行正态性检验（实例演示）_迷糊zx

	输入	注释
>	nx <- c(rnorm(10))	随机产生10个正态分布的数据
>	nx	查看nx
	[1] -0.83241783 -0.29609562 -0.06736888 -0.02366562 0.23652392 0.97570959 [7] -0.85301145 1.51769488 -0.84866517 0.20691119	查看的结果
>	shapiro.test(nx)	Shapiro-Wilk方法进行正态检验
	Shapiro-Wilk normality test data: nx W = 0.9084, p-value = 0.2699	检验结果，因为 W接近1 p值小于0.05，所以数据为正态分布，和Origin 统计的结果一致（下图）

实例二 R语言自带的正态性检测（Kolmogorov-Smirnov方法）

	输入	注释
>	nx <- c(rnorm(10))	随机产生10个正态分布的数据
>	nx	查看nx
	[1] -0.83241783 -0.29609562 -0.06736888 -0.02366562 0.23652392 0.97570959 [7] -0.85301145 1.51769488 -0.84866517 0.20691119	查看的结果
>	ks.test(nx, "pnorm", mean = mean(nx), sd = sqrt(var(nx)))	Shapiro-Wilk方法进行正态检验 Kolmogorov-Smirnov检验需要三个输入变量，及数据本身、均值及标准差
	One-sample Kolmogorov-Smirnov test data: nx D = 0.1828, p-value = 0.8344 alternative hypothesis: two-sided	检验结果，因为 p值大于W值，所以数据为正态分布，和Origin 统计的结果一致（下图）

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report