Sách giáo khoa của bạn bị nhầm lẫn. Rất ít người hoặc phần mềm định nghĩa các phần tư theo cách này. (Nó có xu hướng làm cho phần tư thứ nhất quá nhỏ và phần tư thứ ba quá lớn.)
Các quantile
chức năng trong R
dụng cụ chín cách khác nhau để quantiles tính toán! Để xem cái nào trong số chúng, nếu có, tương ứng với phương pháp này, hãy bắt đầu bằng cách thực hiện nó. Từ mô tả chúng ta có thể viết một thuật toán, đầu tiên là về mặt toán học và sau đó là R
:
x1≤ x2≤ ⋯ ≤ xn
Đối với bất kỳ tập hợp dữ liệu nào, trung vị là giá trị trung bình của nó khi có một số lượng giá trị lẻ; mặt khác, nó là giá trị trung bình của hai giá trị trung bình khi có số lượng giá trị chẵn. R
's median
chức năng tính toán này.
m=(n+1)/2(xl+xu)/2lummxml=m−1u=m+1lu
xii≤l(xi)i≥u
Đây là một thực hiện. Nó có thể giúp bạn làm bài tập trong sách giáo khoa này.
quart <- function(x) {
x <- sort(x)
n <- length(x)
m <- (n+1)/2
if (floor(m) != m) {
l <- m-1/2; u <- m+1/2
} else {
l <- m-1; u <- m+1
}
c(Q1=median(x[1:l]), Q3=median(x[u:n]))
}
Ví dụ, đầu ra của quart(c(6,7,8,9,10,15,16,16,20,20,23,33,50,58,104))
đồng ý với văn bản:
Q1 Q3
9 33
Chúng ta hãy tính toán các phần tư cho một số bộ dữ liệu nhỏ bằng tất cả mười phương pháp: chín trong R
và sách giáo khoa:
y <- matrix(NA, 2, 10)
rownames(y) <- c("Q1", "Q3")
colnames(y) <- c(1:9, "Quart")
for (n in 3:5) {
j <- 1
for (i in 1:9) {
y[, i] <- quantile(1:n, probs=c(1/4, 3/4), type=i)
}
y[, 10] <- quart(1:n)
cat("\n", n, ":\n")
print(y, digits=2)
}
Khi bạn chạy này và kiểm tra, bạn sẽ thấy rằng các giá trị cuốn sách giáo khoa không đồng ý với bất kỳ của các R
đầu ra cho cả ba kích thước mẫu. (Mô hình bất đồng vẫn tiếp tục trong các chu kỳ của giai đoạn ba, cho thấy vấn đề vẫn tồn tại cho dù mẫu có thể lớn đến đâu.)
9.528
quantile
các loại 1, 2 và 6 sẽ sao chép chúng cho một tập dữ liệu có kích thước cụ thể này . Không nhữngR
phương pháp tương ứng với sách giáo khoa của bạn. (Người ta tự hỏi về chất lượng của văn bản này ...)