神说,要有正态分布,就有了正态分布。
神看正态分布是好的,就让随机误差服从了正态分布。
关于正态分布的由来,推荐文章正态分布的前世今生。
下面是几个R语言的小demo。
- 二项分布的正态近似
set.seed(234)
x=rbinom(10000,100,0.6)
x=matrix(x,nc=4)
m=apply(x,1,mean)
summary(m)
var(m)
sd(m)
hist(m,main="样本均值(n=40)的抽样分布")
- 指数分布的正态近似
set.seed(135)
x=rexp(10000,0.2)
x=matrix(x,nc=30)
m=apply(x,1,mean)
summary(m)
var(m)
sd(m)
hist(m,main="样本均值(n=30)的抽样分布")
- 三维正态
x<-y<-seq(-4,4,length=20)
f<-function(x,y)
{(exp(-0.5*x^2-0.5*y^2))/(2*pi)}
z<-outer(x,y,f)
persp(x,y,z,theta=45,phi=25,col='lightblue')
- 正态animation动图:
install.packages("animation")
library(animation)
oopt = ani.options(interval = 0.05)
for (r2 in seq(-4,4,l=200))
{x=c(seq(-4,4,l=1000))
r1=-4
x2=c(r1,r1,x[x<r2&x>r1],r2,r2)
y2=c(0,dnorm(c(r1,x[x<r2&x>r1],r2)),0)
plot(x,dnorm(x),type="l",ylab=expression(phi(x)))
abline(h=0);polygon(x2,y2,col="red")
text(-2.5,0.3,r2)
ani.pause()
}
ani.options(oopt)