分布分析法举例：

1、定量数据的分布分析

方法1：直方图

将数据取值的范围分成若干等距区间，考察数据落入每一区间的频数与频率，在每个区间上画一个矩形，它的宽度是组距，它的高度可以是频数，这种直方图可以估计总体的概率密度。

在R语言中，使用hist()函数画出样本的直方图。

方法2：核密度图

与直方图相配套的是核密度图，其目的是用已知样本，估计其密度，执行下面代码得到图6.6。

>set.seed(1234)

>x<-rnorm(100,0,1)

>hist(x,breaks = 10,freq=FALSE,col = "gray")

>lines(density(x),col="red",lwd=2)

方法2：茎叶图

与直方图比较，茎叶图更能细致地看出数据分布结构。R语言中使用stem()函数绘制茎叶图，如：

> stem(islands)

 The decimal point is 3 digit(s) to the right of the |

  0 | 00000000000000000000000000000111111222338

  2 | 07

  4 | 5

  6 | 8

  8 | 4

 10 | 5

 12 | 

 14 | 

 16 | 0

在茎叶图中，纵轴为测定数据，横轴为数据频数，数据的十分位表示“茎”，作为纵轴的刻度；个位数作为“叶”，显示频数的个数，作用与直方图类似。

3、定性数据的分布分析

对于定性变量，常常根据分类变量来分组，可以采用饼图来描述定性变量的分布。

饼图的每一个扇形部分代表每一类型的百分比或频数，根据定性变量的类型数目将饼形图分成几个部分，每一部分的大小与每一类型的频数成正比。