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。

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：

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()

我有一个支持 [4,6] 的 Gamma(shape=50, scale=0.1)。我能够通过将完整的伽马分布除以 F(6) - F(4) 来找到它的分布。

我如何找到这个截断分布的中心 95 可信区间（即 d2）？

编辑：请注意，我的截断伽玛与标准伽玛没有相同的 pdf。原因是截断的 gamma 必须重新归一化，以便它在支持上积分为 1 [4,6]。这就是为什么 d2 = d2.full / (F(6) - F(4))

在“CI 区域”下，我的意思是 smth。就像在@cbeleites 的答案中绘制的图表或在 Ron Pearson 的帖子中描述的那样：

谢谢你。

我正在使用quantregR 中的包对一组数据运行分位数回归 (95%)。

我想将分位数回归的斜率设置为值 1.4，就像我在之前的分析中所做的那样，我想用它来比较我的结果。如果lm()使用函数可以做到这一点offset()，则使用rq()固定分位数（例如 0.025）这是行不通的。

代码没有给出错误，但 1.4 的值对我的结果没有影响。

IV=time我用,创建了一个散点图（多组 GRP）DV=concentration。我想将分位数回归曲线添加(0.025,0.05,0.5,0.95,0.975)到我的图中。

顺便说一句，这就是我创建散点图的方法：

因为我在这里创建的数据是我的较大数据的一小部分，所以它看起来可以近似为一个矩形双曲线。但我还不想称我的自变量和因变量之间存在数学关系。

我认为nlrq从包quantreg中可能是答案，但是当我不知道我的变量之间的关系时，我不明白如何使用该函数。

我从一篇科学文章中找到了这张图，我想做完全相同的图：

再次感谢您的帮助！

更新

Test.csv 有人指出我的样本数据不可重现。这是我的数据示例。

我也试过 qcbvnonpar::evd，但曲线似乎不是很平滑。

在解决问题时，我发现了一些有趣的事情。我不知道到底发生了什么，但发生了一些我没想到会发生的事情。我可能犯了一个错误，但让我从一个例子开始：

我们得到三个不同的结果，但是如何解释这些结果。这些是使用的限制吗？

更新：我想我问错了问题。我们如何解释以下内容：

我有一个生存对象R。

print(surv)给我

但是，quantile(surv)不起作用并输出

对我来说这有点奇怪，因为R能够计算中位数（177）但不能计算其他四分位数。

我的生存对象有什么问题？

[编辑]
也许这是问题的最小示例：在文档中（http://stat.ethz.ch/R-manual/R-patched/library/survival/html/quantile.survfit.html）有这个例子：

现在，如果我只想重复这个输出的第一行，我会做

quantile(fit$time)@Edwin建议在下面使用

然而，这显然会导致不同的结果。

[已关闭]
请忽略下面的答案，因为它们没有quantile.survfit在survival包中使用，而是使用Rs 内置quantile函数。

更新到最新版本的survival-package 以解决此问题。

这样做

请注意，您可能需要 root 权限才能执行此操作。

对于具有固定效应的给定面板数据分位数回归问题（参见下面的示例），是否可以使lqmm()输出完全（或至少密切）匹配来自的输出rqpd()？

请参阅下面的示例和随后的结论/评论。我的结论正确吗？

结论/评论

1. 我们期望对于 lambda 的特定选择，rqpd()应该紧密匹配lqmm()。我想应该是什么时候lambda=1/(2 cov.lqmm)。正确的？
   • 我说的是紧密匹配而不是精确匹配，因为rqpd它基于固定 lambda 的 L1 正则化，而我认为 (??)lqmm是基于 L2 正则化但针对由 Geraci 和 Bottai (2007) 中的程序产生的特定 lambda。
2. 一开始，至少当nK 小时，即nK=7 时，这不会发生。但是随着 nK 增加到 100 或 1000，这两个过程“似乎”接近
3. 因此，似乎适当使用lqmm至少取决于对 nK 的良好（也许足够大）选择。
4. 我正在探索使用 ，lqmm()因为这里系统地选择了惩罚参数，而rqpd()需要提供它。但是，由于我无法匹配特定lqmm()的rqpdlambda 选择，我不确定我是否理解lqmm正在做什么。

如果我针对卡方分布绘制我的多元数据的马氏距离的多元 qqplot，我希望随附的 qqline 是一条截距为 0 且斜率为 1 的线。但如果我运行以下代码：

我得到下图：

我预计 qqline（红色）与截距 0 和斜率 1（黑色）的线相同。谁能向我解释为什么这两条线不匹配？

（我正在运行 R 版本 2.15.3 (2013-03-01)）

我希望计算我的数据框中的每条记录所在的五分之一，因为它与各个列有关。例如，使用 mtcars 数据集，我需要一个类似于 MPG_QUINTILE 的列。我刚刚输入了该列并猜测了 mpg 将在哪个五分之一。但是我该如何自动化呢？我需要为几列做这件事。即HP_QUINTILE等。

无论如何，我希望找到一个不需要自定义构建功能的解决方案。此外，如果您想要大小相同的五分位数（每个 bin 的记录数相同）与严格基于百分位数的五分位数怎么办？