如何标准化 R 中的一列数据并获取贝尔曲线直方图以找出落在范围内的百分比？
How to Standardize a Column of Data in R and Get Bell Curve Histogram to fins a percentage that falls within a ranges?
我有一个数据集，其中一列包含 300 到 400 之间的随机数。我正在尝试使用 R 找出该列在 320 到 350 之间的比例。据我了解，我需要标准化此数据并首先创建钟形曲线。我有均值和标准差，但是当我执行 (X - mean)/SD 并从此列中获取直方图时，它仍然不是钟形曲线。
这是我试过的代码。
myData$C1 <- (myData$C1 - C1_mean) / C1_SD
如果你只是简单地统计那个范围内的观察次数，不需要做任何标准化，你可以直接使用
mean(myData$C1 >= 320 & myData$C1 <= 350)
至于标准化，它绝对不会创建任何 "bell curves"：它只会移动分布（居中）并重新缩放数据（除以标准差）。除此之外，密度函数的形状本身保持不变。
例如，
x <- c(rnorm(100, mean = 300, sd = 20), rnorm(100, mean = 400, sd = 20))
mean(x >= 320 & x <= 350)
# [1] 0.065
hist(x)
hist((x - mean(x)) / sd(x))
我怀疑您正在寻找的是对真实的、未观察到的比例的估计。如果您必须使用标准正态分布函数的表格值，那么标准化程序将适用。然而，在 R 中，我们可以在没有类似东西的情况下做到这一点。特别是，
pnorm(350, mean = mean(x), sd = sd(x)) - pnorm(320, mean = mean(x), sd = sd(x))
# [1] 0.2091931
这就是概率 P(320 <= X <= 350)，其中 X 服从均值 mean(x) 和标准差 sd(x) 的正态分布。该图与上面的图完全不同，因为我们错误地假设它是正态的，从而错误地指定了基础分布；它实际上是两个正态分布的混合。
我有一个数据集，其中一列包含 300 到 400 之间的随机数。我正在尝试使用 R 找出该列在 320 到 350 之间的比例。据我了解，我需要标准化此数据并首先创建钟形曲线。我有均值和标准差，但是当我执行 (X - mean)/SD 并从此列中获取直方图时，它仍然不是钟形曲线。
这是我试过的代码。
myData$C1 <- (myData$C1 - C1_mean) / C1_SD
如果你只是简单地统计那个范围内的观察次数，不需要做任何标准化，你可以直接使用
mean(myData$C1 >= 320 & myData$C1 <= 350)
至于标准化，它绝对不会创建任何 "bell curves"：它只会移动分布（居中）并重新缩放数据（除以标准差）。除此之外，密度函数的形状本身保持不变。
例如，
x <- c(rnorm(100, mean = 300, sd = 20), rnorm(100, mean = 400, sd = 20))
mean(x >= 320 & x <= 350)
# [1] 0.065
hist(x)
hist((x - mean(x)) / sd(x))
我怀疑您正在寻找的是对真实的、未观察到的比例的估计。如果您必须使用标准正态分布函数的表格值，那么标准化程序将适用。然而，在 R 中，我们可以在没有类似东西的情况下做到这一点。特别是，
pnorm(350, mean = mean(x), sd = sd(x)) - pnorm(320, mean = mean(x), sd = sd(x))
# [1] 0.2091931
这就是概率 P(320 <= X <= 350)，其中 X 服从均值 mean(x) 和标准差 sd(x) 的正态分布。该图与上面的图完全不同，因为我们错误地假设它是正态的，从而错误地指定了基础分布；它实际上是两个正态分布的混合。