R 求类伽马分布的分位数

数据呈伽马分布

复制数据的方法如下：

a） 首先找到发行版。真实数据的参数：

fitdist(datag, "gamma", optim.method="Nelder-Mead")

b） 使用参数形状、速率、比例模拟数据：

data <- rgamma(10000, shape=0.6, rate=4.8, scale=1/4.8)

如何找到真实数据的分位数（未使用rgamma模拟）

请注意，分位数r函数返回真实数据（datag）的期望分位数，但据我所知，假设数据是正态分布的。正如你所看到的，它们显然不是

quantile(datag, seq(0,1, by=0.1), type=7)

在r中使用什么函数，或者如何从统计上获得高度倾斜数据的分位数

此外，这是否有意义？但仍然没有得到较低的值

Fn <- ecdf(datag)
Fn(seq(0.1,1,by=0.1))

---

Fn分位数由“q”函数返回，在本例中为
qgamma
。对于您的数据，眼球积分表明大多数数据位于0.2的左侧，如果我们要求0.8分位数，我们会看到估计分布中80%的数据位于以下位置的左侧：

 qgamma(.8, shape=0.6, rate=4.8)
#[1] 0.20604

似乎同意你的计划。如果您想要样本中的0.8分位数，则只需：

 quantile(datag, 0.8)

分位数由“q”函数返回，在本例中为
qgamma
。对于您的数据，眼球积分表明大多数数据位于0.2的左侧，如果我们要求0.8分位数，我们会看到估计分布中80%的数据位于以下位置的左侧：

 qgamma(.8, shape=0.6, rate=4.8)
#[1] 0.20604

似乎同意你的计划。如果您想要样本中的0.8分位数，则只需：

 quantile(datag, 0.8)

我不知道你说你认为分位数假设你的数据正常是什么意思。正态性与分位数的计算方式有什么关系？好的，我会更明确一些<代码>分位数

不认为您的数据正常。你能详细说明一下分位数的输出有什么问题吗？@Joran。我的意思是“分位数”作为r函数，如上所述。我认为函数（或一般）具有正态性假设。正如你指出的那样，情况并非如此。那么分位数（r函数）是否适用于任何数据？对不起，我不熟悉分位数函数背后的数学（或者只是忘记了）。原始分位数通常是根据实际数据中的顺序统计信息计算出来的；实际上，您使用的是基于实际数据的ecdf。我仍然（相当）确定您只是想使用函数

quantile（）

@Max:就像

均值
，
sd
，
偏度
和
峰度
，
分位数
不假设任何分布。这不仅适用于
R
，也适用于其他程序。我不知道你说你认为
quantile
假设你的数据正常是什么意思。正态性与分位数的计算方式有什么关系？好的，我会更明确一些<代码>分位数
不认为您的数据正常。你能详细说明一下分位数的输出有什么问题吗？@Joran。我的意思是“分位数”作为r函数，如上所述。我认为函数（或一般）具有正态性假设。正如你指出的那样，情况并非如此。那么分位数（r函数）是否适用于任何数据？对不起，我不熟悉分位数函数背后的数学（或者只是忘记了）。原始分位数通常是根据实际数据中的顺序统计信息计算出来的；实际上，您使用的是基于实际数据的ecdf。我仍然（相当）确定您只是想使用函数
quantile（）
@Max:就像
均值
，
sd
，
偏度
和
峰度
，
分位数
不假设任何分布。这不仅适用于
R
，也适用于其他程序。当然，dgamma返回密度。这是个打字错误。正如您所看到的，代码行上方的文本表示qgamma。谢谢。当然，德加玛回来了。这是个打字错误。正如您所看到的，代码行上方的文本表示qgamma。谢谢