Question

我正在计算z分数，以查看某个值是否远离分布的均值/中位数。我最初使用平均值完成它，然后将它们变成双面pvalues。但现在使用中位数我注意到p值中有一些Na。

我确定这对于距离中位数非常远的值而言确实存在。并且看起来与pnorm计算有关。＆＃34; ＆＃39; qnorm＆＃39;基于Wichura的算法AS 241提供精确的结果，最多约16位数。＆＃34;

有没有人知道这方面的方法，因为我想要非常小的pvalues。谢谢，

> z<- -12.5
> 2-2*pnorm(abs(z))
[1] 0
> z<- -10  
> 2-2*pnorm(abs(z))
[1] 0 
> z<- -8 
> 2-2*pnorm(abs(z))
[1] 1.332268e-15

Answer 1

中间，您实际上正在计算非常高 p值：

options(digits=22)
z <- c(-12.5,-10,-8)
pnorm(abs(z))
# [1] 1.0000000000000000000000 1.0000000000000000000000 0.9999999999999993338662
2-2*pnorm(abs(z))
# [1] 0.000000000000000000000e+00 0.000000000000000000000e+00 1.332267629550187848508e-15

我认为你最好使用低p值（接近于零）但我在数学方面不够好，不知道接近一个p值的误差是在AS241算法中还是在浮点存储。看看低值出现的好坏：

pnorm(z)
# [1] 3.732564298877713761239e-36 7.619853024160526919908e-24 6.220960574271784860433e-16

请注意1 - pnorm(x)相当于pnorm(-x)。因此，2-2*pnorm(abs(x))相当于2*(1 - pnorm(abs(x))相当于2*pnorm(-abs(x))，所以请选择：

2 * pnorm(-abs(z))
#  [1] 7.465128597755427522478e-36 1.523970604832105383982e-23 1.244192114854356972087e-15

哪个应该更准确地得到你想要的东西。

Answer 2

有人想过，你必须使用精度更高的exp（），但是你可以使用log（p）来获得更精确的尾部，否则你实际上是0根据可计算的范围计算非log p值：

> z<- -12.5
> pnorm(abs(z),log.p=T)
[1] -7.619853e-24

转换回p值并不好用，但你可以比较log（p）...

> exp(pnorm(abs(z),log.p=T))
[1] 1

Answer 3

pnorm是一个函数，它根据给定的x给出P值。如果未指定更多参数，则默认分布为“正常”，均值为0，标准差为1 基于simetrity，pnorm（a）= 1-pnorm（-a）。
在R中，如果你添加正数，它将围绕它们。但是，如果你添加负数，则不会进行舍入。因此，使用此公式和负数，您可以计算所需的值。

> pnorm(0.25)
[1] 0.5987063
> 1-pnorm(-0.25)
[1] 0.5987063
> pnorm(20)
[1] 1
> pnorm(-20)
[1] 2.753624e-89

R小p值

3 个答案: