normal-distribution

0熱度

1回答

我正在尋找在python中創建標準正態分佈（平均值= 0，Std Deviation = 1）曲線，然後在左側，右側和z-分數中間創建陰影區域。我還想打印陰影區域的z分數和相關概率。比方說，在陰影區，我感興趣的是：概率（Z < -0.75）概率（Z> 0.75）概率（-0.75 < z < 0.75）我用下面的行來創建標準正態分佈曲線。如何爲相關的z分數添加陰影區域並將z分數與概率一起打

0熱度

1回答

從dnorm獲取平均值

在下面的代碼中，我試圖從normal1和normal2得到平均值，這樣我就不必在geom_vline函數調用中的xintercept值（3和0）中進行硬編碼。 normal1 <- function(x) { dnorm(x, 3, 3) } normal2 <- function(x) { dnorm(x, 0, 2) } plot + stat_function

0熱度

1回答

如何在一個框架中繪製2個正態分佈？

這裏的問題是： 2組： A組：初始膽固醇水平通常與平均值= 244毫克/ 100毫升和標準偏差= 51毫克/ 100毫升分佈。 B組：初始膽固醇水平正態分佈，平均值= 219mg/100ml，標準偏差= 41mg/100ml。我需要回答的問題是如何在同一個框架中生成兩個正態分佈（組A +組B）？我使用命令dnorm()？這裏是我的代碼嘗試： curve(dnorm(x, mean=219,

1熱度

2回答

使用tidyverse，在每個子集內的分佈上有條件地求和值

我有一個示例數據框，其中記錄了month和precip的每一天。 set.seed(560) df<-data.frame(month= rep(1:4, each=30), precip= rep(c(rnorm(30, 20, 10), rnorm(30, 10, 2), rnorm(30, 50, 1), rnorm(30, 15, 3)))) 對於每個子集

1熱度

1回答

正態試驗中的R

dataframes我正在做一些正態性檢驗兩個dataframes的兩列： # Normality tests shapiro.test(male$height) shapiro.test(female$height) ad.test(male$height) ad.test(female$height) cvm.test(male$height) cvm.test(female

-4熱度

1回答

如何在同一圖表中繪製2個正態分佈？

一條曲線必須使用性別變量僅具有0（即Male）值的數據。另一條曲線必須使用Gender變量具有1（即Female）值的數據。我使用2個變量：Opinion（用於分配）和Gender（用於創建兩條曲線）。希望這是足夠的信息供人幫...

0熱度

2回答

獲得對數正態分佈一些百分位數

我試圖做一些事情在Stata或R. 我有一個工資分配（百分10，25，50，75，90）的百分位數，我想估計對數正態分佈分配以適應它們。在Stata中有一個命令lognfit，它適合單位記錄數據的對數正態分佈，但不適用於百分點。是否值得使用Stata的gmm命令，使用我的5個數據點來估計對數正態分佈的兩個參數，作爲過度識別的系統？

5熱度

1回答

R中的經驗貝葉斯

大衛羅賓遜給出了一個偉大的example經驗貝葉斯更新與beta分佈。他發現從分佈事先使用了更新每個連擊估計之前。這具有顯着的效果，即根據數據存在的量對平均值進行加權並縮小接近均值的低數據觀察值。我們如何更新計數的估計值和正常的的情況。我假設伽瑪用於計數，高斯用於正常，但我希望在任何人有任何情況下在R中看到這個例子。

0熱度

1回答

R：在歸一化爲總和時避免浮點運算0

我需要從正態分佈中提取一個向量並歸一化爲0，因爲我想用pwrRasch軟件包中的pwr.rasch()函數來模擬功耗。聽起來很簡單。我創作的載體是這樣的： set.seed(123) itempars <- rnorm(n = 10, mean = 0, sd = 1.8) 爲了標準化參數爲0，我減我的矢量的總和斷向量像這樣的最後一個元素： itempars[10] <- itempars

3熱度

1回答

正態分佈的範圍之間的列的概率

我想要得到一個新的列，說duration_probablity，它獲得的值介於6和12小時之間的可能性。 P(6 < Origin_Duration ≤ 12) dput(df) structure(list(CRD_NUM = c(1000120005478330, 1000130009109199, 1000140001635234, 1000140002374747, 100014000