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,它接受一个列表如何使用Python计算Rankit?,python,statistics,normal-distribution,Python,Statistics,Normal Distribution,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
[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。