R语言检测数据正态分布

                                                              

	输入	注释
>	nx <- c(rnorm(10))	随机产生10个正态分布的数据
>	nx	查看nx
	[1] -0.83241783 -0.29609562 -0.06736888  -0.02366562 0.23652392  0.97570959    [7] -0.85301145  1.51769488 -0.84866517  0.20691119	查看的结果
>	shapiro.test(nx)	Shapiro-Wilk方法进行正态检验
	Shapiro-Wilk normality test       data:   nx   W = 0.9084, p-value = 0.2699	检验结果，因为  W接近1 p值大于0.05，所以数据为正态分布，和Origin 统计的结果一致（下图）

 

 

实例二   R语言自带的正态性检测（Kolmogorov-Smirnov方法）

 

                                                                

	输入	注释
>	nx <- c(rnorm(10))	随机产生10个正态分布的数据
>	nx	查看nx
	[1] -0.83241783 -0.29609562 -0.06736888  -0.02366562 0.23652392  0.97570959    [7] -0.85301145  1.51769488 -0.84866517  0.20691119	查看的结果
>	ks.test(nx, "pnorm", mean = mean(nx), sd =  sqrt(var(nx)))	Shapiro-Wilk方法进行正态检验   Kolmogorov-Smirnov检验需要三个输入变量，及数据本身、均值及标准差
	One-sample Kolmogorov-Smirnov test       data:   nx   D = 0.1828, p-value = 0.8344   alternative hypothesis: two-sided	检验结果，因为   p值大于0.05，所以数据为正态分布，和Origin 统计的结果一致