🌟 R与正态分布(1)：概率密度函数 📈

在统计学的世界里，正态分布（Normal Distribution）堪称“明星”般的存在，它以钟形曲线闻名，广泛应用于金融、医学和自然科学等领域。今天，让我们用R语言揭开它的神秘面纱！✨

首先，我们需要了解什么是概率密度函数（Probability Density Function, PDF）。简单来说，PDF描述了随机变量取某个值的可能性大小。对于正态分布而言，其PDF公式为：

\[ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} \]

其中，\( \mu \) 是均值，\( \sigma \) 是标准差。在R中，我们可以轻松绘制出这一优雅的曲线！只需使用 `dnorm()` 函数即可实现。例如，运行以下代码：

```r

x <- seq(-4, 4, length.out = 100)

y <- dnorm(x, mean = 0, sd = 1)

plot(x, y, type = "l", main = "正态分布的概率密度函数")

```

执行后，你将看到一条经典的钟形曲线！这条曲线不仅美观，还蕴含着丰富的信息，帮助我们理解数据的集中趋势与离散程度。下次，我们将继续探索如何利用正态分布进行数据分析！📚📈

R语言 正态分布 概率密度函数