找到像分布一样的分数

Question

数据像分布式伽玛一样.

复制数据将是这样的:

a)首先找到分布.真实数据的参数:

fitdist(datag, "gamma", optim.method="Nelder-Mead")

b)使用参数shape,rate,scale来模拟数据:

data <- rgamma(10000, shape=0.6, rate=4.8, scale=1/4.8)

要使用r中的qgamma函数查找分位数,只需:

编辑:

qgamma(c(seq(1,0.1,by=-0.1)), shape=0.6, rate =4.8, scale = 1/4.8, log = FALSE)

我怎样才能找到真实数据的分位数(不用rgamma模拟)？

请注意,分位数r函数返回真实数据(datag)的所需分位数,但正如我所理解的那样假设数据是正态分布的.你可以看到它们显然不是.

quantile(datag, seq(0,1, by=0.1), type=7)

在r中使用什么函数或者如何统计地获得高度偏斜数据的分位数？

另外,这有点意义吗？但仍然没有得到更低的价值!

Fn <- ecdf(datag)
Fn(seq(0.1,1,by=0.1))

Answer 1

在这种情况下,分位数由"q"函数返回qgamma.对于您的数据,眼球整合表明大多数数据位于0.2的左侧,如果我们要求0.8分位数,我们会看到估计分布中80%的数据位于左侧:

 qgamma(.8, shape=0.6, rate=4.8)
#[1] 0.20604

似乎同意你所绘制的内容.如果您想要样本中的0.8分位数,那么只需:

 quantile(datag, 0.8)