代码之家 › 专栏 › 技术社区 › Choc_waffles

R中产生的分位数和百分位数之间的差异

quantile dplyr r

0

Choc_waffles · 技术社区 · 6 年前

请原谅我的数学,但为什么这两个代码的结果不同?预计2015年第63和82行累计百分比的支出与第二年产生的支出相同。第一个是X63的0.591,X82的0.858,第二个代码在cumsum_pct中分别显示0.792和0.966。谢谢

set.seed(1)
library('dplyr')
Claims6 <- data.frame(year = factor(rep(c(2015, 2016), each = 10)),Expense = runif(20))

Claims6 %>% 
  group_by(year) %>% 
  do(data.frame(t(quantile(.$Expense, probs = c(0.10, 0.30, 0.63, 0.82)))))

# A tibble: 2 x 5
# Groups:   year [2]
# year    X10.  X30.  X63.  X82.
# <fct>  <dbl> <dbl> <dbl> <dbl>
# 1 2015  0.0488 0.439 0.591 0.858
# 2 2016  0.101  0.262 0.592 0.805

Claims6 %>% group_by(year) %>% 
  arrange(year,Expense) %>%
  mutate(pct = round(Expense / sum(Expense),2),
         cumsum_pct = round(cumsum(Expense) / sum(Expense),2))

# A tibble: 20 x 4
# Groups:   year [2]
# year  Expense   pct cumsum_pct
# <fct>   <dbl> <dbl>      <dbl>
#   1 2015   0.0332  0.01       0.01
# 2 2015   0.0505  0.01       0.02
# 3 2015   0.384   0.07       0.09
# 4 2015   0.463   0.09       0.18
# 5 2015   0.467   0.09       0.26
# 6 2015   0.538   0.1        0.37
# 7 2015   0.617   0.12       0.48
# 8 2015   0.792   0.15       0.63
# 9 2015   0.966   0.18       0.82
# 10 2015   0.972   0.18       1   
# 11 2016   0.0622  0.01       0.01
# 12 2016   0.106   0.02       0.03
# 13 2016   0.178   0.04       0.07
# 14 2016   0.298   0.06       0.13
# 15 2016   0.445   0.09       0.23
# 16 2016   0.591   0.12       0.35
# 17 2016   0.592   0.12       0.47
# 18 2016   0.765   0.16       0.63
# 19 2016   0.872   0.18       0.81
# 20 2016   0.904   0.19       1

1 回复 | 直到 6 年前

1

Jon Spring 6 年前

这是两个相关但独立的汇总统计。第一个与排序有关,第二个与累积和有关。它们将覆盖相同的值范围,但具有不同的元素权重。

在下面的简单示例中,第一个计算使用 quantile 与采样有关,显示50%的样本为2,介于第2个值和第3个值之间。即使第一个和/或最后一个值更极端,也会得到相同的中值。-- 分位数 只关心订单。

第二个是数值的累积分布,显示50%的累积和为3。

nums = c(0, 1, 3, 4) 
quantile(nums)
#   0%  25%  50%  75% 100% 
# 0.00 0.75 2.00 3.25 4.00 

data.frame(nums = nums) %>%   
    mutate(pct = nums / sum(nums),
           cumsum_pct = cumsum(pct))
#    nums  pct cumsum_pct
# 1    0 0.000      0.000
# 2    1 0.125      0.125
# 3    3 0.375      0.500
# 4    4 0.500      1.000

同样,您的数字一般不会在您提供的两个计算之间匹配,因为它们执行不同的操作。这个 分位数 一种是通过有序元素列表告诉给定分数的值,另一种是当累积和达到总数的给定分数时告诉值。