1

我正在研究 GoF（拟合优度）测试，并想查看数据向量的分位数是否遵循正态分布 N(0, 1) 的预期频率，并且在运行卡方检验之前，我生成正态分布的这些频率：

< -2 SD's（标准差），-2 and -1 SD's 之间，-1 and 0SD 之间，0 and 1SD 之间，1 and 2 SD's 和more than 2 SD's 之间。

为此，我走了很长的路：

(Normal_distr <- c(pnorm(-2), pnorm(-1) - pnorm(-2), pnorm(0) - pnorm(-1),
                  pnorm(1) - pnorm(0), pnorm(2) - pnorm(1), pnorm(2, lower.tail = F)))

[1]    0.02275013 0.13590512 0.34134475 0.34134475 0.13590512 0.02275013

我看到对称性允许我减少代码的长度，但没有更简单的方法......一些东西（我认为这不会起作用，但......的想法）就像pnorm(-2:-1)返回一个相同的价值pnorm(-1) - pnorm(-2) = 0.13590512？

问题：是否有一个 R 函数可以计算分位数之间正态曲线下的面积，以便我们可以c(-3:3)通过它传递一个向量，而不是减去pnorm()相邻标准差或其他分位数的 's？

4

1 回答 1

2

我不确定是否有特定的功能可以做到这一点，但你可以像这样简单地做到这一点：

#Get difference between adjacent quantiles
diff(pnorm(-2:-1))
[1] 0.1359051

#Get area under normal curve from -2 to 2 sd's:
sum(diff(pnorm(-2:2)))
[1] 0.9544997
于 2015-12-12T06:47:17.097 回答