데이터 샘플의 누적 분포 함수를 계산해야합니다.
누적 밀도 함수를 측정하는 R의 hist ()와 비슷한 것이 있습니까?
ecdf ()을 시도했지만 논리를 이해할 수 없습니다.
답변
ecdf
함수는 데이터 샘플에인가 복귀 기능 경험적 누적 분포 함수를 표시한다. 예를 들면 다음과 같습니다.
> X = rnorm(100) # X is a sample of 100 normally distributed random variables
> P = ecdf(X) # P is a function giving the empirical CDF of X
> P(0.0) # This returns the empirical CDF at zero (should be close to 0.5)
[1] 0.52
> plot(P) # Draws a plot of the empirical CDF (see below)
경험적 CDF를 나타내는 객체가 함수 객체가 아닌 특정 값으로 평가되도록하려면 다음을 수행하십시오.
> z = seq(-3, 3, by=0.01) # The values at which we want to evaluate the empirical CDF
> p = P(z) # p now stores the empirical CDF evaluated at the values in z
p
와 동일한 양의 정보 를 포함하는 정보와 같은 양의 정보를 P
포함하고 가능한 정보도 적습니다 X
.
답변
필요한 것은 누적 분포 (샘플에서 x보다 << x보다 값을 얻을 확률)를 얻는 것입니다 .ecdf는 함수를 반환하지만 플로팅을 위해 만들어진 것처럼 보입니다. 계단 인 경우 트레드의 인덱스가됩니다.
이것을 사용할 수 있습니다 :
acumulated.distrib= function(sample,x){
minors= 0
for(n in sample){
if(n<=x){
minors= minors+1
}
}
return (minors/length(sample))
}
mysample = rnorm(100)
acumulated.distrib(mysample,1.21) #1.21 or any other value you want.
슬프게도이 기능의 사용은 그리 빠르지 않습니다. R에 함수를 반환하는 함수가 있는지 모르겠습니다. 더 효율적입니다.
답변
나는 항상 ecdf()
약간 혼란 스러웠습니다. 또한 나는 그것이 단 변량의 경우에만 작동한다고 생각합니다. 대신 내 자신의 기능을 롤링했습니다.
먼저 data.table을 설치 하십시오 . 그런 다음 패키지 mltools를 설치 하십시오 (또는 empirical_cdf () 메소드를 R 환경에 복사하십시오 ) .
그런 다음처럼 쉽습니다
# load packages
library(data.table)
library(mltools)
# Make some data
dt <- data.table(x=c(0.3, 1.3, 1.4, 3.6), y=c(1.2, 1.2, 3.8, 3.9))
dt
x y
1: 0.3 1.2
2: 1.3 1.2
3: 1.4 3.8
4: 3.6 3.9
벡터의 CDF
empirical_cdf(dt$x, ubounds=seq(1, 4, by=1.0))
UpperBound N.cum CDF
1: 1 1 0.25
2: 2 3 0.75
3: 3 3 0.75
4: 4 4 1.00
dt 열 ‘x’의 CDF
empirical_cdf(dt, ubounds=list(x=seq(1, 4, by=1.0)))
x N.cum CDF
1: 1 1 0.25
2: 2 3 0.75
3: 3 3 0.75
4: 4 4 1.00
dt 열 ‘x’및 ‘y’의 CDF
empirical_cdf(dt, ubounds=list(x=seq(1, 4, by=1.0), y=seq(1, 4, by=1.0)))
x y N.cum CDF
1: 1 1 0 0.00
2: 1 2 1 0.25
3: 1 3 1 0.25
4: 1 4 1 0.25
5: 2 1 0 0.00
6: 2 2 2 0.50
7: 2 3 2 0.50
8: 2 4 3 0.75
9: 3 1 0 0.00
10: 3 2 2 0.50
11: 3 3 2 0.50
12: 3 4 3 0.75
13: 4 1 0 0.00
14: 4 2 2 0.50
15: 4 3 2 0.50
16: 4 4 4 1.00
답변
친구,이 블로그에서 코드를 읽을 수 있습니다.
sample.data = read.table ('data.txt', header = TRUE, sep = "\t")
cdf <- ggplot (data=sample.data, aes(x=Delay, group =Type, color = Type)) + stat_ecdf()
cdf
자세한 내용은 다음 링크를 참조하십시오.