一、画出密度函数与正态分布密度图比较：
library(MASS)
mu<- c(0,0,0)
Sigma<- matrix(c(1,0.5,0.25,0.5,1,0.5, 0.25,0.5,1),3,3)
M<- mvrnorm(1000, mu, Sigma)
d<- density(M[,2])
plot(d$x,dnorm(d$x),col=2,type = "n")
lines(d$x,dnorm(d$x),col=2,lwd=2)
lines(d,col=3,lwd=2)
在这里：density函数的返回值：x,y给定观测，用核函数估计出的密度值y。
文章图片
二、QQ-PLOT
两个quantile。quantile是我们的数据和标准正态分布的很多分位数组成的数组画出来的图。横坐标是标准的正态分布的quantile 纵坐标是我们数据的图。如果两者基本相等，则这个散点图会非常像y=x
qqnorm(M[,2]);
qqline(M[,2],col=2)
文章图片
三、shapiro假设检验
shapiro.test(M[,2])
【R中三种检验正态分布的方式】
文章图片
