这是我的代码和输出（CDF）：

我想绘制一个CCDF函数，CDF函数的“逆”是什么：CCDF(x)=1-CDF(x)。我找不到有关此问题的任何来源。有什么简单的方法吗？

ecdf是否可以在 R 中用条形图而不是线或步骤来绘制 函数？

或者有没有另一种方法来绘制累积直方图，ggplot在 y 轴上使用累积密度而不是频率？

我想用它R来测试网络的度数分布是否表现得像具有无标度属性的幂律。尽管如此，我读过不同的人以许多不同的方式这样做，其中一个令人困惑的地方是应该在模型中使用的输入。

例如，Barabasi 建议将幂律拟合到度数的“互补累积分布”（参见第 4 章的高级主题 3.B，图 4.22）。但是，我看到人们将幂律拟合到图形的度数（通过 获得igraph::degree(g)），我还看到其他人将幂律拟合到度数分布，通过 igraph::degree_distribution(g, cumulative = T)

正如您在下面可重现的示例中看到的那样，这些选项给出了非常不同的结果。哪一个是正确的？以及如何从图表中获得“度数的互补累积分布”，以便拟合幂律？

我有来自三剂治疗的数据，每剂重复三次：

我想使用 cdf 图显示它。对于每个重复，我可以简单地绘制三个剂量的 cdfs：

但我正在寻找一种在一个图中显示每个剂量的所有复制品的方法，标准误差在平均值周围有阴影，类似于用stat_smooth.

这可以实现吗？

此外，对于这个或单个复制的情节：

有没有办法计算每个 ecdfs 下的面积？

我一直在尝试计算大量观察的百分位数。我遇到了两种不同的计算百分位数的方法。由于我正在处理面板数据集，因此我想对每个时间段的百分位数进行分组。为此，我使用这个Use dplyr::percent_rank() 来计算组内的百分位等级和这个问题Percentile for Each Observation w/r/t Grouping Variable。

现在的问题是，这两个命令之间的百分位数显然不同，我想知道两者是否“正确”。为了证明这一点：

可以看出，虽然它们非常相似，但它们是不同的：

APIstatsmodels说Returns empirical CDF as a step function.

这是一个数学陈述。就 Python 变量和数据结构而言，ECDF 作为阶跃函数是什么？它是元组、列表、数组、标量等吗？

我正在尝试从具有第 3 页上的 MATLAB 实现的论文中实现经验分布函数。这是我的 Python 版本。

我根据NumPy for MATLAB users 文档对其进行了转换，同时考虑了如何statsmodels 实现 ECDF

我得到错误：

不D.shape[0]返回列数？那么，D[:, d]应该正常工作吗？这里发生了什么？

我正在与data.table. 从data.table对象中选择一列很容易：

但是尝试在ecdf调用中使用此语法选择列会产生错误：

[.data.frame(x, i)中的错误：选择了未定义的列

有人可以解释一下为什么吗？

务实地，解决此问题的一种方法是：

但我想了解上述行为。

最初我从 2 个向量（我的数据的子集）开始。我在两者上运行 ecdf，将它们绘制在同一个图中以便于比较。所有这一切都很好，但我需要知道的是如何使函数对任何一对向量都通用，所以我只需输入向量，函数就会工作。就像我第二次调用更大的向量一样，我希望绘图的轴自动缩放更大的向量，而不管调用的顺序如何，这样就不会丢失数据。

我已经包括了一个使用虹膜数据的设置，以防万一。

这是我所拥有的：

好像我可以写一个条件语句，但我得到了这个错误：

到目前为止我已经尝试过

并编写条件语句

我还想要实线来为那个更大的向量编码。如果有人有任何建议，将不胜感激。

@42- 在阅读了一下之后，我想我可以做一个条件语句，这似乎也有效。对以这种方式运行代码有任何批评吗？

我有一个变量df，5

头(df,15)

使用后的几行melt

并总结

我正在尝试使用ggplotand绘制累积概率stat_ecdf，

使用此代码

剧情长这样

如何获得平滑的曲线？我需要执行更多的统计操作来获得它吗？

更新代码

阴谋