基于R的概率变换_R_Transformation_Probability_Normal Distribution_Weibull

基于R的概率变换

基于R的概率变换,r,transformation,probability,normal-distribution,weibull,R,Transformation,Probability,Normal Distribution,Weibull,我想把一个连续的随机变量X和cdfF（X）转换成一个连续的随机变量Y和cdf（Y），我想知道如何在R中实现它例如，对服从正态分布（X）的数据执行概率变换，使其符合理想的威布尔分布（Y）（x=0的CDF F（x=0）=0.5，CDF F（y）=0.5对应于y=5，然后x=0对应于y=5等）有许多内置分布函数，以“p”开头的函数将转换为统一函数，以“q”开头的函数将转换为统一函数。因此，您的示例中的转换可以通过以下方式完成： y <- qweibull( pnorm( x ), 2, 6.

我想把一个连续的随机变量

和

cdf

F（X）

转换成一个连续的随机变量

和

cdf（Y）

，我想知道如何在R中实现它

例如，对服从正态分布（X）的数据执行概率变换，使其符合理想的威布尔分布（Y）

（x=0的CDF F（x=0）=0.5，CDF F（y）=0.5对应于y=5，然后x=0对应于y=5等）

有许多内置分布函数，以“p”开头的函数将转换为统一函数，以“q”开头的函数将转换为统一函数。因此，您的示例中的转换可以通过以下方式完成：

y <- qweibull( pnorm( x ), 2, 6.0056 )

y通常，您可以通过

求X的概率≤x、 即外汇（x）
然后确定哪个观测y具有相同的概率

也就是说，你想要概率Y≤y=FY（y）与FX（x）相同
这使得FY（y）=FX（x）
因此y=FY-1（FX（x））
其中FY-1更为人所知的是分位数函数QY。从X到Y的整体转换总结为：Y=QY（FX（X））
在您的特定示例中，从R帮助中，正态分布的分布函数是pnorm
，威布尔分布的分位数函数是qweibull
，因此您希望首先调用pnorm
，然后对结果进行qweibull
。
如果你的帖子展示了之前在编程解决方案方面的一些努力，那么这里的大多数人可能会更看好你的问题。我认为这可能应该进行交叉验证，而不是堆栈溢出？