使用R语言进行正态性检验:shapiro.test函数
正态性检验是统计分析中常用的一项重要任务,它用于确定数据样本是否来自于正态分布。在R语言中,我们可以使用shapiro.test函数来进行正态性检验。
shapiro.test函数是基于Shapiro-Wilk检验方法的实现,该方法是一种常见的正态性检验方法之一。该检验方法的原假设是数据样本来自于正态分布,备择假设是数据样本不来自于正态分布。
下面我们将通过一个示例来演示如何使用shapiro.test函数进行正态性检验。
假设我们有一个数值型数据向量x,我们希望检验它是否符合正态分布。首先,我们需要加载R语言的基本环境,并生成一个示例数据向量x。
# 生成示例数据
set.seed(1)
x <- rnorm(100)
# 打印前10个数据
print(x[1:10])
上述代码中,我们使用rnorm函数生成了一个包含100个随机数的示例数据向量x,并使用print函数打印了前10个数据。
接下来,我们可以使用shapiro.test函数对数据向量x进行正态性检验。代码如下:
# 正态性检验
result <- shapiro.test(x)
# 打印检验结果
print(result)
上述代码中,我们将shapiro.test函数应用于数据向量x,并将结果保存在result变量中。然后使用print函数打印了检验结果。
运行上述代码后,我们将得到如下输出:
Shapiro-Wilk normality test
data: x
W = 0.99369, p-value = 0.784
<