python 一组数据正态分布散点图_使用 R 与 python 验证是否符合正态分布肉眼判断假设检验常用的正态转换方法参考资料

69 阅读 0 评论 46 点赞

最近太忙了，勉强利用宾馆的两个无聊的晚上，凑成了第二篇，关于正态分布的内容，正态分布是非常重要的前提，分析前需要先检验，然后看是否需要转换。

在进行真正的检验之前，我们很多时候都忽略了进行正态分布的验证。验证是否是正态分布的方法分为两类：

肉眼判断

肉眼判断当然是一句玩笑话，我们不能只凭看两眼数据就认定是否符合正态分布了，我们是通过其与正态分布的数据相比较，并不是直接做个大仙，看上一眼就解决问题了。那么怎么和正态分布的数据做比较呢，比较直观并且肉眼可断的当然是看图了，看数再厉害也要晕。

第一种方法就是对数据做直方图和密度曲线的图，然后看数据是否基本符合正太分布的特征(也就是那个钟形曲线)，这里网上关于 R 验证正态分布的时候使用直方图 hist，以及密度曲线要用的 density，其实二者是一回事，本质上看图还是要靠核密度估计，我们先了解一下核密度估计。

核密度估计是非参估计的一种，对我们最重要的是不需要先验知识，即可根据数据的本身特点和性质来进行拟合分布，查看数据分布的特点，最简单的是使用直方图，例如对 iris 的数据的萼片长度的分布进行查看：

layout(matrix(c(1, 2, 3, 4), 2, 2, byrow

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。