为什么 "dnorm" 总和不是一个概率？
Why doesn't "dnorm" sum up to one as a probability?
这可能是关于 R 中 'dnorm' 函数的一些 basic/fundamental 问题。假设我通过 z 变换创建了一些 z 分数，并尝试从 'dnorm' 中求和。
data=c(232323,4444,22,2220929,22323,13)
z=(data-mean(data))/sd(data)
result=dnorm(z,0,1)
sum(result)
[1] 1.879131
同上，'dnorm'的和不为1也不为0
然后假设我在 z 变换中使用零均值和一个标准差。
data=c(232323,4444,22,2220929,22323,13)
z=(data-0)/1
result=dnorm(z,0,1)
sum(result)
[1] 7.998828e-38
我仍然没有得到 0 或 1。
如果我的目的是获得等于 1 的概率之和，因为我需要进一步使用，您建议使用什么方法 'dnorm' 甚至使用其他 PDF 函数？
dnorm returns 在正态概率 density 函数中评估的值。它 而不是 return 概率。您认为在密度函数中评估的转换数据之和应等于 1 或 0 的原因是什么？您正在创建一个随机变量，没有理由让它恰好等于零或一。
积分 dnorm 产生一个概率。在随机变量的整个支持上积分 dnorm 产生一个概率：
integrate(dnorm, -Inf, Inf)
#1 with absolute error < 9.4e-05
事实上，对于所有 x。integrate(dnorm, -Inf, x) 在概念上等于 pnorm(x)。
编辑：根据您的评论。
这同样适用于其他连续概率分布（PDF）：
integrate(dexp, 0, Inf, rate = 57)
1 with absolute error < 1.3e-05
请注意，?integrate 中的 ... 个参数已传递给被积函数。
还记得泊松分布是 离散 概率分布，因此（在传统意义上）对其进行积分是没有意义的。离散概率分布具有概率质量函数 (PMF)，而不是实际上 return 概率的 PDF。在那种情况下，它应该 sum 为一。
考虑：
dpois(0.5, lambda = 2)
#[1] 0
#Warning message:
#In dpois(0.5, lambda = 2) : non-integer x = 0.500000
从 0 到 'very' 大数求和（即超过泊松分布的支持）：
sum(dpois(0:1000000, lambda = 2))
#[1] 1
这可能是关于 R 中 'dnorm' 函数的一些 basic/fundamental 问题。假设我通过 z 变换创建了一些 z 分数，并尝试从 'dnorm' 中求和。
data=c(232323,4444,22,2220929,22323,13)
z=(data-mean(data))/sd(data)
result=dnorm(z,0,1)
sum(result)
[1] 1.879131
同上，'dnorm'的和不为1也不为0
然后假设我在 z 变换中使用零均值和一个标准差。
data=c(232323,4444,22,2220929,22323,13)
z=(data-0)/1
result=dnorm(z,0,1)
sum(result)
[1] 7.998828e-38
我仍然没有得到 0 或 1。
如果我的目的是获得等于 1 的概率之和，因为我需要进一步使用，您建议使用什么方法 'dnorm' 甚至使用其他 PDF 函数？
dnorm returns 在正态概率 density 函数中评估的值。它 而不是 return 概率。您认为在密度函数中评估的转换数据之和应等于 1 或 0 的原因是什么？您正在创建一个随机变量，没有理由让它恰好等于零或一。
积分 dnorm 产生一个概率。在随机变量的整个支持上积分 dnorm 产生一个概率：
integrate(dnorm, -Inf, Inf)
#1 with absolute error < 9.4e-05
事实上，对于所有 x。integrate(dnorm, -Inf, x) 在概念上等于 pnorm(x)。
编辑：根据您的评论。
这同样适用于其他连续概率分布（PDF）：
integrate(dexp, 0, Inf, rate = 57)
1 with absolute error < 1.3e-05
请注意，?integrate 中的 ... 个参数已传递给被积函数。
还记得泊松分布是 离散 概率分布，因此（在传统意义上）对其进行积分是没有意义的。离散概率分布具有概率质量函数 (PMF)，而不是实际上 return 概率的 PDF。在那种情况下，它应该 sum 为一。
考虑：
dpois(0.5, lambda = 2)
#[1] 0
#Warning message:
#In dpois(0.5, lambda = 2) : non-integer x = 0.500000
从 0 到 'very' 大数求和（即超过泊松分布的支持）：
sum(dpois(0:1000000, lambda = 2))
#[1] 1