标签: ecdf

我正在尝试使用ecdf，但是我不确定自己是否做对了。我的最终目的是找到对应于特定值的分位数。举个例子：

sample_set <- c(20, 40, 60, 80, 100) 
# Now I want to get the 0.75 quantile:
quantile(x = sample_set, probs = 0.75)
#result:
75% 
80
# Let's use ecdf
ecdf(x = sample_set) (80)
#result
0.8

为什么会有这种差异？我是在犯一些琐碎的错误，还是取决于分位数的计算方式？

谢谢，马克斯

我目前使用stat_ecdf绘制我的累积频率图.

这是我使用的代码

    cumu_plot <- ggplot(house_total_year, aes(download_speed, colour = ISP)) + 
                 stat_ecdf(size=1)

但是我想要逆转ecdf(补充ecdf).有什么想法最简单的方法吗？

干杯!

如果我使用包的ecdfplot()功能,latticeExtra我如何获得计算的实际值,即与~x|g输入相对应的y值？

我一直在看,?ecdfplot但没有描述它.对于通常的高级函数,ecdf()它适用于命令,plot=FALSE但这不起作用ecdfplot().

我想使用的原因ecdfplot(),而不是ecdf()在于我需要计算ecdf()为分组变量的值.我知道我也可以做到这一点,但我相信也有一条高路.

这里有一个小例子

u <- rnorm(100,0,1)
mygroup <- c(rep("group1",50),rep("group2",50))
ecdfplot(~u, groups=mygroup)

我想为每个组提取相应x值的y值.

我确信这很容易,但是我一直在试图找出如何在R中做到这一点.

我有一些数据,我试图适应幂律分布.为此,您需要在对数日志累积概率图表上绘制数据.y轴是数据频率的LOG(如果您愿意,则为对数概率),x轴是值的对数.如果它是直线,则它符合幂律分布,并且梯度确定幂律参数.

如果我想要数据的频率,我可以使用ecdf()函数:

我的数据集叫做Profits.negative,它只是一长串的交易利润小于零(我将它们全部转换为正数以避免以后记录问题).

所以我可以输入

plot(ecdf(Profits.negative))

我得到了一个方便的经验CDF功能.我需要做的就是将两个轴转换为对数刻度.我可以做x轴:

Profits.negative.logs <- log(Profits.negative)
plot(ecdf(Profits.negative.logs))

差不多了!我只需要弄清楚如何记录y轴!但我似乎无法做到这一点,我无法弄清楚如何从ecdf对象中提取数字.有人可以帮忙吗？

我知道有一个power.law.fit函数,但这只是估计参数 - 我想绘制数据并查看它是否排列.

此问题是此处提出和回答的 StackOverflow 问题的扩展。

我的情况有所不同，因为我想计算 50,000 个（或更多！）值的向量内每个值的百分位数。例如 -

df <- data.frame(val = rnorm(n = 50000, mean = 50, sd = 20))
df$val.percentile <- sapply(X = df$val, function(x) ecdf(df$val)(x))
head(df)

有没有一种好方法来优化计算每个值的百分位数的过程？本质上，我希望使其尽可能高效，以便运行时间尽可能短。

是否可以区分 ECDF？以下面得到的那个为例。

set.seed(1)

a <- sort(rnorm(100))
b <- ecdf(a)

plot(b)

我想取导数b以获得其概率密度函数（PDF）。

我想得到一个结合了观测密度和累积分布函数的图。

通常的问题是两者的规模相差甚远。如何解决这个问题，即使用两个尺度，或者重新调整其中一个数据系列（最好在 ggplot 内，因为我想将数据的计算和显示分开）。

这是到目前为止的代码：

>dput(tmp) 产量

structure(list(drivenkm = c(8, 11, 21, 4, 594, 179, 19, 7, 10, 36)), .Names = "drivenkm", class = c("data.table", "data.frame" ), row.names = c(NA, -10L), .internal.selfref = <pointer: 0x223cb78>)

那我就做

p = ggplot(data = tmp, aes(x = drivenkm)) + geom_histogram(aes(y = ..density..), alpha = 0.2, binwidth = 3) + stat_ecdf(aes(x = drivenkm)); print(p)

我得到的是以下内容：

显然，天平相差甚远。如何解决这个问题，以便可以以合理的方式解释直方图和 cdf？

谢谢！

ecdf在 R 中绘制一个对象会产生一个很好的经验分布函数。例如：

x = seq(1,10,1)
ecdf1 = ecdf(x)
plot(ecdf1,verticals=TRUE, do.points=FALSE)

但是，默认行为会生成一个在 0 和 1 处带有水平虚线的图形。我没有看到plot.ecdf()在对plot.stepfun(). 现在，我实际上是在虚线上方画一条白线。

当然有办法关闭绘制这些虚线吗？

我有一个df与5变量,

头(DF,15)

               junc  N1.ir  N2.ir    W1.ir    W2.ir    W3.ir
1  pos$chr1:3197398  0.000000  0.000000  0.000000  0.000000  0.000000
2  pos$chr1:3207049  0.000000  0.000000  0.000000  0.000000  0.000000
3  pos$chr1:3411982  0.000000  0.000000  0.000000  0.000000  0.000000
4  pos$chr1:4342162  0.000000  0.000000  0.000000  0.000000  0.000000
5  pos$chr1:4342918  0.000000  0.000000  0.000000  0.000000  0.000000
6  pos$chr1:4767729 -4.369234 -5.123382 -4.738768 -4.643856 -5.034646
7  pos$chr1:4772814 -3.841302 -3.891419 -4.025029 -3.643856 -3.184425
8  pos$chr1:4798063 -5.038919 -4.847997 -5.497187 -4.035624 -7.543032
9  pos$chr1:4798567 -4.735325 -5.096862 -3.882643 -3.227069 -4.983808
10 pos$chr1:4818730 -8.366322 -7.118941 -8.280771 …

我有一个像这样的 ecdf 图：

penguins = sns.load_dataset("penguins")
fig, ax = plt.subplots(figsize = (10,8))
sns.ecdfplot(data=penguins, x="bill_length_mm", hue="species")
ax.axhline(.25, linestyle = '--', color ='#cfcfcf', lw = 2, alpha = 0.75)

如何找到这条相交轴线上的x值？