R语言绘制分布曲线的方法是什么

发布时间：2021-11-22 15:48:57 作者：iii
来源：亿速云阅读：201

# R语言绘制分布曲线的方法是什么

在数据分析和统计建模中，可视化分布曲线是理解数据特征的重要手段。R语言作为统计计算的强大工具，提供了多种绘制分布曲线的方法。本文将详细介绍使用基础R函数和流行扩展包（如`ggplot2`）绘制分布曲线的具体实现。

## 一、基础R函数绘制分布曲线

### 1. `plot()` + `dnorm()` 绘制正态分布曲线

```r
# 生成x轴数据
x <- seq(-4, 4, length.out = 100)

# 计算标准正态分布概率密度
y <- dnorm(x, mean = 0, sd = 1)

# 绘制曲线
plot(x, y, type = "l", lwd = 2, col = "blue",
     main = "标准正态分布曲线",
     xlab = "x值", ylab = "概率密度")

参数说明： - dnorm()：正态分布密度函数 - type = "l"：指定绘制线图 - lwd：控制线宽 - col：设置颜色

2. `curve()` 函数直接绘制

curve(dnorm(x), from = -4, to = 4,
      col = "red", lwd = 2,
      main = "使用curve()绘制正态分布")

优势：无需预先计算x,y值，代码更简洁

3. 绘制其他常见分布

# 自由度为5的t分布
curve(dt(x, df = 5), -4, 4, col = "green")

# 参数λ=3的指数分布
curve(dexp(x, rate = 3), 0, 2, col = "purple")

二、ggplot2绘制高级分布曲线

1. 基本密度曲线

library(ggplot2)

ggplot(data.frame(x = c(-4, 4)), aes(x)) +
  stat_function(fun = dnorm, args = list(mean = 0, sd = 1),
                color = "darkblue", size = 1.2) +
  labs(title = "ggplot2绘制的正态分布",
       y = "概率密度") +
  theme_minimal()

2. 多曲线对比

ggplot(data.frame(x = c(-4, 4)), aes(x)) +
  stat_function(fun = dnorm, args = list(mean = 0, sd = 1), 
                aes(color = "N(0,1)")) +
  stat_function(fun = dnorm, args = list(mean = 1, sd = 0.5),
                aes(color = "N(1,0.5)")) +
  scale_color_manual(values = c("red", "blue")) +
  labs(color = "分布类型")

3. 填充曲线下方区域

x_values <- seq(-3, 3, length.out = 100)
norm_data <- data.frame(x = x_values, y = dnorm(x_values))

ggplot(norm_data, aes(x, y)) +
  geom_line() +
  geom_area(data = subset(norm_data, x < -1),
            fill = "pink", alpha = 0.5) +
  annotate("text", x = -2, y = 0.1, label = "P(X < -1)")

三、实际数据分布可视化

1. 核密度估计曲线

# 使用内置数据集
data("faithful")
ggplot(faithful, aes(eruptions)) +
  geom_density(fill = "lightblue", alpha = 0.5) +
  labs(title = "老忠实间歇泉喷发持续时间分布")

2. 直方图+密度曲线叠加

ggplot(faithful, aes(eruptions)) +
  geom_histogram(aes(y = ..density..),
                bins = 30, fill = "cornsilk") +
  geom_density(color = "red", size = 1) +
  ggtitle("复合分布可视化")

四、进阶技巧与应用

1. 绘制累积分布函数(CDF)

ggplot(data.frame(x = c(-4, 4)), aes(x)) +
  stat_function(fun = pnorm, color = "brown") +
  labs(y = "累积概率", title = "标准正态CDF曲线")

2. 分面绘制不同分布

library(gridExtra)

p1 <- ggplot(data.frame(x = c(0, 10)), aes(x)) +
  stat_function(fun = dexp, args = list(rate = 1)) +
  ggtitle("指数分布")

p2 <- ggplot(data.frame(x = c(0, 30)), aes(x)) +
  stat_function(fun = dchisq, args = list(df = 5)) +
  ggtitle("卡方分布")

grid.arrange(p1, p2, ncol = 2)

3. 交互式分布曲线

library(plotly)
p <- ggplot(data.frame(x = c(-4, 4)), aes(x)) +
  stat_function(fun = dnorm)
ggplotly(p)

五、常见问题解决方案

曲线显示不完整：
- 调整xlim参数范围
```
curve(dnorm(x), xlim = c(-5, 5))
```
多曲线重叠区分：
- 使用不同线型linetype
```
geom_line(aes(linetype = "Model1"))
```
大数据集性能优化：
- 使用adjust参数调整核密度平滑度
```
geom_density(adjust = 0.5)
```

结语

R语言提供了从基础到高级的多种分布曲线绘制方法。基础图形系统适合快速简单可视化，而ggplot2能创建更精美的统计图形。掌握这些技术后，读者可以灵活选择最适合自己数据分析需求的可视化方案。建议通过?distribution查看R支持的全部概率分布类型，进一步扩展应用场景。 “`