6

我正在处理一个数据文件，里面的观察结果是随机值。在这种情况下，我不知道 x 的分布（我的观察）。我使用函数密度来估计密度，因为我必须应用核估计。

T=density(datafile[,1],bw=sj,kernel="epanechnikov")

在此之后我必须整合它，因为我正在寻找一个分位数（类似于 VaR，95%）。为此，我有 2 个选项：

ecdf()
quantile()

现在我有了分位数 95 的值，但这是内核估计的数据。

是否有一个函数可以用来知道原始数据的分位数 95 的值？

我说这是一个未知的分布，为此我想将非参数方法想象成牛顿，就像 SAS 中的方法一样solve()

4

2 回答 2

7

你可以用quantile()这个。这是使用随机数据的示例：

> data<-runif(1000)

> q<-quantile(data, .95)
> q
      95% 
0.9450324

在这里，数据均匀分布在 0 和 1 之间，因此第 95 个百分位数接近 0.95。

要执行逆变换：

> ecdf(data)(q)
[1] 0.95
于 2013-01-21T20:28:20.130 回答
0

不知道这是否与您有任何相关性...但是我认为可能对上述答案有帮助

data <- rnorm(1000)

my_ecdf <- ecdf(data)

my_ecdf_inv <- function(x) {quantile(data, x)}

my_ecdf_inv(my_ecdf(2))

x <- seq(-3, 3, 0.1)
plot(x, sapply(sapply(x, my_ecdf),my_ecdf_inv))
于 2021-06-24T15:15:26.897 回答