评估正态性的图形方法
在视频中，您学习了如何用 20 个柱的直方图表示 FTSE 数据的概率密度，并将正态分布作为红色曲线添加到已有图形上：
> hist(ftse, nclass = 20, probability = TRUE)
> lines(ftse, dnorm(ftse, mean = mu, sd = sigma), col = "red")
可以看到，dnorm(x, mean, sd) 使用样本均值和标准差计算数据 x 的概率密度函数（PDF）；这称为矩估计法（method-of-moments）。
最后，若要计算数据 x 的密度估计，请使用 density(x)。它采用非参数方法构造所谓的核密度估计（KDE），无需对底层分布作出任何假设。
多种图形表明，该数据相较正态分布具有更肥尾。后续练习中，您将学习更好的图形与数值检验方法。
本练习中，您将为 2008–2009 年道琼斯指数的对数收益率拟合一个正态分布，并通过直方图与密度图将数据与拟合分布进行比较。包含道琼斯数据的对象 djx 已加载到您的工作空间。
本练习是课程的一部分
R 中的定量风险管理
练习说明
- 计算
djx的均值与标准差（sd()），分别赋值给mu和sigma。 - 绘制 20 个柱的
djx直方图来表示数据的概率密度。 - 在
lines()与dnorm()中补全参数，将djx的正态密度曲线以红色添加到直方图。 - 使用
density()为djx绘制核密度估计。 - 使用与上面相同的
lines()命令，将djx的正态密度曲线以红色添加到 KDE。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Calculate average and standard deviation of djx
mu <- ___
sigma <- ___
# Plot histogram of djx
___(___)
# Add the normal density as a red line to histogram
lines(___, dnorm(___), col = ___)
# Plot non-parametric KDE of djx
___(___)
# Add the normal density as red line to KDE
lines(___, dnorm(___), col = ___)