问题标签 [quantile]

在这种情况下，我试图在 R 中根据波动性来指示我的数据框每个月的变量值在哪个五分位数中。对于每个月，我都想知道每只股票是否处于波动最大的五分之一，或者是否在其他股票中。

到目前为止，我已经提出了以下功能（见下文）。不幸的是，该功能仅在某些情况下有效，并且经常出现以下错误：

您能否就如何改进此代码以使其正常工作给我一些建议。

比较紧急。非常感谢！

数据示例：最后一列是我想要得到的。这里的数据只是一个例子，而不是实际结果。

我有一个调查数据集，想用十分位数来定义地层，U1 =（数据集中的所有单位都在 D0=min 和 D1 之间），U2=（在 D1 和 D2 之间）.....U10=（在D9 到 D10 = 最大值）。

如何使用十分位数来定义地层？

我试图通过使用 Hmisc 中的 cut2 来计算向量的等分位数切割。

但我期待以下结果（33%、33%、33%）：

我应该继续使用 cut2 还是尝试不同的方法？我怎样才能让它工作？谢谢你的建议。

我写了一个函数来计算向量中每一行的十分位数。我这样做的目的是创建图形来评估预测模型的功效。必须有一种更简单的方法来做到这一点，但我已经有一段时间无法弄清楚了。有谁知道如何在没有这么多嵌套 ifelse() 语句的情况下以这种方式对向量进行评分？我包含了该函数以及一些代码来复制我的结果。

有一种方法可以构建分位数回归的置信区间：

什么是默认值？是5%吗？如何找到另一个，比如 10%？

请参阅下面的编辑 使用 R，我想过滤（基因表达数据的）矩阵并仅保留具有高方差值的行（基因/探针）。例如，我只想保留在底部和顶部百分位数中具有值的行（例如，低于 20% 和高于 80%）。我想将我的研究限制在仅用于下游分析的高方差基因。R中是否有通用的基因过滤方法？

我的矩阵有 18 个样本（列）和 47000 个探针（行），其值经过 log2 转换和归一化。我知道该quantile()函数可以识别每个样本列中的 20% 和 80% 截止值。我不知道如何为整个矩阵找到这些值，然后对原始矩阵进行子集化以删除所有“不变”行。

平均值为 5.97 的示例矩阵，因此应删除最后三行，因为它们包含 20% 和 80% 截止值之间的值：

我将不胜感激任何我应该研究的建议或功能。谢谢！

编辑

对不起，我在OP中不是很清楚。(1) 我想知道整个矩阵的 20% 和 80% 截止值（不仅仅是每个单独的样本）。(2) 然后，如果任何行包含上百分位数或下百分位数的值，R 将保留这些行。如果一行包含接近平均值的值（对于所有样本），则这些行将被丢弃。

这是一个 data.frame，其第三个“列”实际上是一个矩阵：

它是使用以下代码创建的：

我想要一个按性别和 tau 水平预测的线图。我可以得到一个点图：

当我添加 type="l" 时，线条来回摆动，连接tau.

我怀疑它是否重要，但在 Mac 10.7.5 上使用 quantreg_4.96/rms_3.6-3/Hmisc_3.10-1 运行。如果你想给我看一个经典主题的 ggplot 解决方案，我也可以，只是我对 ggplot2 不是很好，而且 Harrell 的 rms 包与 lattice 配合使用。

有一个 data.frame() 我想计算分位数的列：

但是结果只包含分位数返回列表的最后一个元素，而不是整个结果。我也收到警告longer argument not a multiple of length of shorter。如何修改我的代码以使其正常工作？

PS：这个函数本身就像一个魅力，所以我可以使用一个 for 循环：

PPS：同样有效的方法是未指定probs

我试图找到最准确的函数来给我数据集中给定值的分位数。数据集（可能）总是呈指数分布。

我使用的方法如下（如果编码很差，我深表歉意，因为我真的是一个基础设施专家，不是统计人员，也不是日常开发人员）：

在我的研究过程中，我注意到有几个更高级的功能可以使用，例如scipy.stats.[distribution type].ppf().

使用这些有什么好处mquantiles()？

有没有一种方法可以有效地确定数据集中数据的分布（这是我关心的问题scipy.stats.[distribution type]()）？

谢谢，

马特

[更新]

在与“统计老兄”讨论后，我相信如果您不知道分布，这种方法（他称之为“经验方法”）同样有效。要找到分布，您可以使用Kolmogorov–Smirnov 检验，该检验通过scipy.stats.ksone和scipy.stats.kstwobign确定分布，然后使用其中一个scipy.stats.[distribution type].ppf()函数。他还说没关系，上面的方法和做这些工作一样好，回报很少。尽管他警告说，上述方法的强度会随着可用数据量的增加而增加data（这意味着反之亦然），但没有人解决了对小数据集应用法律的问题。

我要做的是考虑数据集的强度，并对我的结果赋予权重，并在数据集“小”时认为它更加模糊/权重更小。什么是“小”？我不肯定。

我仍然想找到其他人关于有效使用 ppf() 与 mquantile() 的意见。

我正在尝试绘制一个正态分布数据的排序数组，以便它绘制为直线。我想使用累积密度函数来做到这一点，我认为它也被称为分位数函数。不幸的是，我还没有找到很多使用分位数的例子。

这是我使用分位数的尝试：http: //jsfiddle.net/tbcholla/hmFqJ/3/。我以这种方式设置了我的 x 比例：

并以这种方式画出我的线：

谁能帮助解释我在绘制分位数刻度时哪里出错了？分位数尺度可以用作累积密度函数吗？有没有使用这种规模的例子可以指点我？