如何使用Python计算Rankit？

如何使用Python计算Rankit

我特别想在维基百科上重现这个例子： 因此我搜索一个函数，它接受一个列表

[16,22,40,43,65,75]

，然后返回相应的RANKET:

[−1.2672,   −0.6418,   −0.2016、0.2016、0.6418、1.2672]

observation = [16, 22, 40, 43, 65, 75]
import numpy as np
import scipy.stats
def Q_Q_Prob(data):
    n = len(data)
    prob_level = []
    
    for i in range(1,n+1):
        prob_level.append(np.round((i-0.5)/n,5))
    Standard_normal_quantiles = scipy.stats.norm.ppf(prob_level)
    return Standard_normal_quantiles

print(Q_Q_Prob(observation))

这为书名为：Applied Multivariable中的示例提供了精确的结果

---

统计分析（RICHARD A.JOHNSON），但没有给出上述示例的准确值。分享这个，因为这可能会给你一个想法。

我已经用R确认了Rakesh V的答案，它给出了你的确切数字tam-tam。不确定书中的结果为何不同：

x<-c(16,22,40,43,65,75)
qnorm((rank(x)-0.5)/length(x))
[1] -1.3829941 -0.6744898 -0.2104284  0.2104284  0.6744898  1.3829941

---

xHi，谢谢你的回答。然而，我从那里得到的值非常遥远：[-1.38301587-0.67448975-0.21041985 0.21041985 0.67448975 1.38301587]。我怎样才能得到更准确的答案呢？经过大量的研究，我得出结论，回答代码中使用的公式是正确的。一些参考资料。我想你的问题来自第45页，4.4正态概率图-练习4.9。Q_Q图本身称为rankit，用于正态性检查。