【问题标题】：R Creating Normal Distribution Plot using datasetR使用数据集创建正态分布图
【发布时间】：2014-11-12 10:43:42
【问题描述】：

我是 R 新手。

我试图为 1000 个样本值的平均值绘制正态概率密度函数，这些样本值来自每个大小为 40 的指数分布。样本均值的分布应近似正态。

我遇到的问题是绘图的渲染方式，见下文：

这是我的“R”代码：

#allocate list size to store means
meanOfSampleMeansVector <- numeric(1000)
#for 1000 iterations create 40 exponential random variable with variance of 0.2 units
for (i in 1:1000 ){ 
sample <- rexp(n=40,0.2) 
#get mean of sample
meanOfSample <- mean(sample) 
#set the mean in list 
meanOfSampleMeansVector[i] <- meanOfSample
}

生成正态概率密度函数

propDensity=dnorm(meanOfSampleMeansVector,mean(meanOfSampleMeansVector),sd(meanOfSampleMeansVector))

绘图方法#1：

plot(meanOfSampleMeansVector,propDensity, xlab="x value", type="l",
  ylab="Density", main="Sample Means of Exponential Distribution",col="red")

结果：

绘图方法#2：

plot(meanOfSampleMeansVector,propDensity, xlab="x value",
  ylab="Density", main="Sample Means of Exponential Distribution",col="red")

结果：

但是我想要的是类似于这张图的东西：

【问题讨论】：

标签： r plot statistics

【解决方案1】：

方法#1 的问题只是样本没有排序：

S<-sort(meanOfSampleMeansVector)
propDensity=dnorm(S,mean(S),sd(S))
plot(S,propDensity, xlab="x value", type="l",
  ylab="Density", main="Sample Means of Exponential Distribution",col="red")

但我强烈建议您查看density()，而不是如果您想绘制估计的 pdf（此处添加到同一图中）：

lines(density(meanOfSampleMeansVector),col=1)

如果您想验证 CLT，也可以只使用正常的分位数图：

qqnorm(S)
qqline(S)

【讨论】：

【解决方案2】：

基础图形也可以做到这一点：

xval <- seq(min(meanOfSampleMeansVector), max(meanOfSampleMeansVector), length=200)
propDensity=dnorm(xval, mean(meanOfSampleMeansVector), sd(meanOfSampleMeansVector))
plot(xval,propDensity, xlab="x value", type="l",
      ylab="Density", main="Sample Means of Exponential Distribution",col="red")

【讨论】：

【解决方案3】：

require(ggplot2)
qplot(meanOfSampleMeansVector,propDensity,geom="line")+
  xlab("x value")+ylab("Density")+
  ggtitle("Sample Means of Exponential Distribution")

我用ggplot2 来做

【讨论】：