R-cut2與分位數函數

Question

誰能告訴我R中的分位數函數與HMISC軟件包中的cut2函數之間的區別嗎？

我知道分位數有9種不同的方法來指定四分位數。 但是，當我使用函數cut2（mydata，g = 4）時，輸出的四分位數不對應任何分位數函數的輸出。

任何幫助，不勝感激。

提前致謝。

Answer 1

從cut2幫助文件中：

類似於cut但左端點的功能包括在內，標簽的形式為[lower，upper），但最后一個間隔為[lower，upper]。 如果給出切割，默認情況下將確保切割包括整個x范圍。

所以， cut2基本上cut與幾個不同的默認值。 那我們來看一下cut 。

從cut幫助文件中：

cut將x的范圍划分為間隔，並根據x的值落入的間隔對其進行編碼。 最左邊的間隔對應於級別1，下一個最左邊的間隔對應於級別2，依此類推。

從quantile幫助文件中：

通用函數分位數產生與給定概率相對應的樣本分位數。 最小觀察值對應於0的概率，最大觀察值對應於1的概率。

一切斷的范圍x ，另一個切割的“頻率” x 。

插圖：

out <- 0:100
out2 <- c(seq(0, 50, 0.001), 51:100)

兩者具有相同的范圍。 從0到100。

levels(cut(out,4, include.lowest = T))
[1] "[-0.1,25]" "(25,50]"   "(50,75]"   "(75,100]" 
levels(cut(out2,4, include.lowest = T))
[1] "[-0.1,25]" "(25,50]"   "(50,75]"   "(75,100]" 

但是out2還有許多“數據點”，尤其是0到50之間的值。因此，它們在該范圍內的頻率不同：

quantile(out)
  0%  25%  50%  75% 100% 
   0   25   50   75  100 
quantile(out2)
      0%      25%      50%      75%     100% 
  0.0000  12.5125  25.0250  37.5375 100.0000 

這就是cut和quantile之間的區別。

上面的示例還向您展示了雙方都同意的情況，即在均勻分布的情況下。 例如，從0到100的序列均勻地分布在從0到100的范圍內。這里，兩者基本相同。

為了進一步說明，請考慮：

outdf <- data.frame(out=out, cut=cut(out,4, include.lowest = T))
out2df <- data.frame(out=out2, cut=cut(out2,4, include.lowest = T))

table(outdf$cut)
[-0.1,25]   (25,50]   (50,75]  (75,100] 
       26        25        25        25 
table(out2df$cut)
[-0.1,25]   (25,50]   (50,75]  (75,100] 
    25001     25000        25        25 

在這里，您可以清楚地看到每個倉中的不同頻率。