直方图和核密度估计图r语言代码
来源:互联网 发布:淘宝西台美妆是正品吗 编辑:程序博客网 时间:2024/05/20 06:30
4.2.1直方图
hist()的调用格式
hist(x,breaks="Sturges",freq=NULL,probability=!freq,col= NULL,
main=paste("Histogram of" ,xname),xlim=range(breaks),ylim = NULL, xlab = xname, ylab, axes = TRUE, nclass = NULL)
说明:若选项breaks取向量,则用于指明直方图区间的分割位置;若取正整数,则用于指定直方图的小区间数.
freq取T表示使用频数画直方图,取F则使用频率画直方图.probability与freq恰好相反.col用于指明小矩形的颜色.
4.2.2核密度估计
样本的直方图粗略地描述了样本的分布,我们还可以用函数density( )得到样本的核密度估计值,并用lines()得到密度估计的曲线.density( )常用的调用格式如下:
density()的调用格式
density(x,bw="nrd0",
kernel=c("gaussian","epanechnikov","rectangular","triangular","biweight","cosine","optcosine"),n=512,from,to)
说明:选项bw指定核密度估计的窗宽,也用字符串表示窗宽选择规则,具体可参考函数bw.nrd( ).
kernel为核密度估计所使用的光滑化函数,缺省为正态核函数.
n给出等间隔的核密度估计点.from与to分别给出需要计算核密度估 计的左右端点.
从二项分布binom(100,0.9)中抽取容量为N=100000的样本.试作出它的直方图及核密度估计曲线.
N<-100000
n<-100
p<-.9
x<-rbinom(N,n,p) #从二项分布binom(100,0.9)中抽取容量为N=100000的样本
hist(x,xlim=c(min(x),max(x)),probability=T,nclass=max(x)-min(x)+1,col='lightblue', main='Binomial distribution,n=100,p=.5')
lines(density(x,bw=1),col='red',lwd=3)
从负二项分布nbinom(10,0.25)中抽取容量为N=100000的样本.试作出它的直方图及核密度估计曲线.
样本的密度函数估计也可使用局部多项式估计程序包locfit
N<-100000
x<-rnbinom(N, 10, .25)
hist(x,xlim=c(min(x),max(x)),probability=T,nclass=max(x)-min(x)+1,col='lightblue',
main='Negative binomial distribution,n=100, p=.25')
hist()的调用格式
hist(x,breaks="Sturges",freq=NULL,probability=!freq,col= NULL,
main=paste("Histogram of" ,xname),xlim=range(breaks),ylim = NULL, xlab = xname, ylab, axes = TRUE, nclass = NULL)
说明:若选项breaks取向量,则用于指明直方图区间的分割位置;若取正整数,则用于指定直方图的小区间数.
freq取T表示使用频数画直方图,取F则使用频率画直方图.probability与freq恰好相反.col用于指明小矩形的颜色.
4.2.2核密度估计
样本的直方图粗略地描述了样本的分布,我们还可以用函数density( )得到样本的核密度估计值,并用lines()得到密度估计的曲线.density( )常用的调用格式如下:
density()的调用格式
density(x,bw="nrd0",
kernel=c("gaussian","epanechnikov","rectangular","triangular","biweight","cosine","optcosine"),n=512,from,to)
说明:选项bw指定核密度估计的窗宽,也用字符串表示窗宽选择规则,具体可参考函数bw.nrd( ).
kernel为核密度估计所使用的光滑化函数,缺省为正态核函数.
n给出等间隔的核密度估计点.from与to分别给出需要计算核密度估 计的左右端点.
从二项分布binom(100,0.9)中抽取容量为N=100000的样本.试作出它的直方图及核密度估计曲线.
N<-100000
n<-100
p<-.9
x<-rbinom(N,n,p) #从二项分布binom(100,0.9)中抽取容量为N=100000的样本
hist(x,xlim=c(min(x),max(x)),probability=T,nclass=max(x)-min(x)+1,col='lightblue', main='Binomial distribution,n=100,p=.5')
lines(density(x,bw=1),col='red',lwd=3)
从负二项分布nbinom(10,0.25)中抽取容量为N=100000的样本.试作出它的直方图及核密度估计曲线.
样本的密度函数估计也可使用局部多项式估计程序包locfit
N<-100000
x<-rnbinom(N, 10, .25)
hist(x,xlim=c(min(x),max(x)),probability=T,nclass=max(x)-min(x)+1,col='lightblue',
main='Negative binomial distribution,n=100, p=.25')
lines(density(x,bw=1),col='red',lwd=3)
0 0
- 直方图和核密度估计图r语言代码
- R语言核密度估计(转)
- R中的直方图和核密度图绘制
- 非参数密度估计(直方图与核密度估计)
- R语言与非参数统计(核密度估计)
- R语言与非参数统计(核密度估计)
- R语言与非参数统计(核密度估计)
- R语言在直方图上添加正太曲线与核密度曲线
- R语言学习系列(画向量的密度直方图)
- 【R 语言 可视化】在直方图上面添加密度曲线
- ESL-chapter6 核密度估计和分类
- 核密度估计原理
- 核密度估计原理
- 核密度估计简介
- 核密度估计
- 核密度估计(KDE)
- R之核密度图
- r语言画频数分布直方图和频率分布直方图
- 欢迎使用CSDN-markdown编辑器
- AJAX的概述(2015年10月26号)
- Python编码和Unicode
- Maven搭建SpringMVC+Hibernate项目详解
- HTTP状态码总结
- 直方图和核密度估计图r语言代码
- [BZOJ1637][Usaco2007 Mar]Balanced Lineup
- python是什么?及其特点!
- ios开发系列之应用的后台处理
- 【Leetcode】Nim Game
- HDU - 3374 String Problem(最小表示法和最大表示法)
- 操作系统3-内核
- 黑马程序员——Java基础(十一)之GUI
- 【转载】从键盘输入字符串并输出该字符串(汇编程序)