找到像分布一样的分数

Question

数据类似于分布式伽玛。

复制数据将是这样的：

a）首先找到分布。真实数据的参数：

fitdist(datag, "gamma", optim.method="Nelder-Mead")

b）使用参数shape，rate，scale来模拟数据：

data <- rgamma(10000, shape=0.6, rate=4.8, scale=1/4.8)

要使用r中的qgamma函数查找分位数，只需：

编辑：

qgamma(c(seq(1,0.1,by=-0.1)), shape=0.6, rate =4.8, scale = 1/4.8, log = FALSE)

如何为真实数据找到分位数（不用rgamma模拟）？

请注意，分位数r函数返回真实数据（datag）的所需分位数，但正如我所理解的那样假设数据是正态分布的。正如你所看到的，他们显然不是。

quantile(datag, seq(0,1, by=0.1), type=7)

r中使用什么函数或者如何统计获得高度偏斜数据的分位数？

另外，这有点意义吗？但仍然没有得到更低的价值！

Fn <- ecdf(datag)
Fn(seq(0.1,1,by=0.1))

Answer 1

“q”函数返回分位数，在本例中为qgamma。对于您的数据，眼球整合表明大部分数据位于0.2的左侧，如果我们要求0.8分位数，我们会看到估计分布中80％的数据位于左侧：

 qgamma(.8, shape=0.6, rate=4.8)
#[1] 0.20604

似乎同意你所绘制的内容。如果您想要样本中的0.8分位数，那么只需：

 quantile(datag, 0.8)