Việc sử dụng dòng được sản xuất bởi qqline () trong R là gì?

Hàm qqnorm()R tạo ra một âm mưu QQ bình thường và qqline()thêm một dòng đi qua các phần tư thứ nhất và thứ ba. Nguồn gốc của dòng này là gì? Có hữu ích để kiểm tra tính bình thường? Đây không phải là đường cổ điển (đường chéo có thể sau khi chia tỷ lệ tuyến tính). $y=x$

Đây là một ví dụ. Trước tiên tôi so sánh các chức năng phân phối thực nghiệm với chức năng phân phối lý thuyết của : Bây giờ tôi vẽ những qq-cốt truyện với dòng ; biểu đồ này gần tương ứng với tỷ lệ (phi tuyến tính) của biểu đồ trước: Nhưng đây là biểu đồ qq với R qqline: Biểu đồ cuối cùng này không hiển thị điểm khởi hành như trong biểu đồ đầu tiên. ${\cal N}(\hat\mu,\hat\sigma^2)$ so sánh các hàm phân phối tích lũy $y=\hat\mu + \hat\sigma x$ qqnorm cùng với dòng "tốt" qqnorm và qqline

r normal-distribution qq-plot

— Stéphane Laurent
nguồn

Như bạn có thể thấy trên hình, nhập mô tả hình ảnh ở đây

thu được bởi

> y <- rnorm(2000)*4-4
> qqnorm(y); qqline(y, col = 2,lwd=2,lty=2)

$\mathcal{N}(0,1)$

— Tây An
nguồn

Đường chéo "sau khi chia tỷ lệ tuyến tính" ở đây thu được bằng abline (mean (y), sd (y)). Ở đây bạn mô phỏng dữ liệu bình thường do đó hai dòng này gần nhau. Nhưng đôi khi dữ liệu không gần với phân phối bình thường nhưng qqplot gần với qqline, nhưng không gần với đường chéo "sau khi chia tỷ lệ".

— Stéphane Laurent

... Tôi sẽ thêm một ví dụ cho câu hỏi của mình

— Stéphane Laurent

Tôi nghĩ rằng đây là quan điểm của tôi khi nói rằng việc sử dụng các tứ phân mạnh hơn so với sử dụng trung bình và phương sai theo kinh nghiệm.

— Tây An

OK cảm ơn bạn rất nhiều. Bây giờ điều này có vẻ rõ ràng. Qqline có thể thích hợp hơn bởi vì đôi khi trong thực tế, tính phi quy tắc ở đuôi là chấp nhận được. Nhưng không có nhu cầu thực sự để vẽ qqline: kiểm tra trực quan là đủ - điều duy nhất chúng ta cần là hiểu cốt truyện QQ :)

— Stéphane Laurent

\hat{μ}

$\hat\mu$ và

\hat{σ}

$\hat\sigma$ khi chúng ta gõ ks.test (x, "pnorm", mu.hat, sigma.hat)?

— Stéphane Laurent