2017-11-25 3 views
-1

정규 분포 mu = 16 및 σ = 4를 갖는 막대 그래프를 만드는 방법샘플 분포와 중앙값 생성

+0

당신이 샘플을 복용하고있는 데이터 무엇인가

common distributions

여기 확률 분포에 대해 자세히 알아? [최소한의 완전하고 검증 가능한 예제를 만드는 방법] (https://stackoverflow.com/help/mcve)을 읽고 질문을 업데이트하십시오. 예를 들어 샘플을 그리는 데이터는 무엇입니까? –

+0

실제로 데이터가 무엇인지 알 필요가 없으며 임의의 값으로 생성 할 수 있습니다. 생성하려는 데이터 유형을 확실히 알아야합니다. @trash가 예상하는 배포 유형을 사용하여 응답을 완료해야합니다. –

답변

0

n 및 u는 벡터가 아니라 숫자입니다. 샘플링중인 분포와 모집단 평균 및 표준 편차와 같은 정보가 더 있어야합니다.

median(sample) 
hist(sample) 
: 당신은 평균 0과 SD 1 정규 분포에서 1000 샘플을 생성 할 경우 히스토그램을 플롯과 평균을 계산할 수 있습니다 거기에서 예를 들어,

sample = rnorm(1000, 0, 1) 

을 사용

2

아마도 1000 개의 관측치가 있지만 크기가 줄어든 샘플을 원한다고 생각합니다. 그 일을 위해, 당신은 샘플() 함수가 필요합니다

set.seed(12) 
s1 <- sample(x = 1:1000, size = 10) 
s2 <- sample(x = 1:1000, size = 40) 
median(s1) 
median(s2) 
hist(s1) 
hist(s2) 

두 번째 옵션은 rnorm(), 지정된 매개 변수를 기반으로 정규 분포에서 무작위 샘플을 생성하는 기능을 이동하는 것입니다.

set.seed(12) 
s1 = rnorm(1000, mean = 0, sd = 1) 
s2 = rnorm(1000, mean = 35, sd = 0.1)) 
median(s1) 
median(s2) 
hist(s1) 
hist(s2) 

ps. 씨앗이 재현 가능한 결과를 갖도록 설정했습니다. 해당 행은 건너 뛸 수 있습니다.

두 번째 옵션의 경우 일반 (가우스) 분포라고 가정합니다. http://blog.cloudera.com/blog/2015/12/common-probability-distributions-the-data-scientists-crib-sheet/