与R中的均值（分位数（））和均值（）不同的均值

我使用R的“分位数”函数来计算数据集的百分位数。但由于以下命令返回的平均值不同，我感到困惑

mean(quantile(DataSet$V3, prob=c(5,50,95)/100,type=8));

它给了我

101.26

mean(quantile(DataSet$V3,type=8)); 

它给了我

105.27

及

它给了我

109.9

如果有人能回答我为什么平均值在三种情况下不同，我将非常感激

问候,，

---

Zoraze

分位数是通过首先按顺序对数据向量进行排序，然后将数据划分为部分来获得的，这些部分由

quantile（）

函数中的

prob=

定义。 假设数据是

x <- c(9,3,1,10,2)

中位数有50%的数据在下方，50%在上方。此处，数据项3位于列表的“中间”（从任意一端算起的第三个）。您还可以使用

> quantile(x)
0%  25%  50%  75% 100% 
1    2    3    9   10 

从

平均值（x）

中获得的平均值也可以通过将所有值相加并除以值的数量，从第一原理中计算出来

> (1 + 2 + 3 + 9 + 10)/5
[1] 5

或者使用求和函数

> sum(x)/5
[1] 5

---

正如第一位评论者所指出的，计算分位数和平均数是对数据的完全不同的操作。这通常包含在任何入门级统计课本中。

您在前两种情况下计算的是

quantile（）

函数输出的平均值，这与计算整个列的平均值不同。非常感谢您的回复，我不这么认为。感谢您的帮助。你好，懒汉，非常感谢您的详细回答，我知道分位数函数是如何计算百分位数的，但我不认为平均值（分位数（数据集$V3，prob=c（5,50,95）/100，type=8））只是返回平均值/平均值（5%，50%和95%）。再次感谢。在R中，您可以“展开”一系列嵌套函数，因此分位数（…）是第一件事，然后均值（分位数（…）将均值函数应用于分位数函数的结果。有点像剥洋葱皮。这就是（反向）波兰计算器的工作原理，也被称为“函数式编程”。这种类型的思维是在R中“应用”和“有用”的超有用函数背后形成的，所以谷歌可以帮助他们更好地理解广义的概念。

> (1 + 2 + 3 + 9 + 10)/5
[1] 5

> sum(x)/5
[1] 5