代码之家 › 专栏 › 技术社区 › Chase

重新创建Minitab正态概率图

ggplot2 r

Chase · 技术社区 · 14 年前

我正试图用r重新创建下面的图。Minitab将其描述为一个正常的概率图。

probplot probplot 为您提供了最便捷的服务。不幸的是,我不知道如何在该图周围添加置信区间带。

类似地,ggplot的 stat_qq() 似乎提供了具有转换X轴的类似信息。似乎 geom_smooth() 将是添加波段的可能人选,但我还没有想到这一点。

最后,完成遗传学的人描述了类似的事情


   
    
     
      要重新创建上面绘图的示例数据:
     
    
    x<-c(40.2,43.1,45.5,44.5,39.5,38.5,40.2,41.0,41.6,43.1,44.9,42.8)
< /代码> 

如果有人有基础图形或ggplot的解决方案,我会很感激的!

编辑


在查看了proplot的详细信息之后,我确定了它是如何在图上生成拟合线的:


>xl<-分位数(x,c(0.25,0.75))
>yl<-qnorm(C(0.25,0.75))。
>坡度<-diff(yl)/diff(xl)
>int<-yl[1]-坡度*xl[1]
斜率
75%
零点四一五一
& int
75%
-1736
< /代码> 

实际上,将这些结果与ProbPlot对象得到的结果进行比较似乎非常好:


>检查<-proplot(x)
STR(检查)
3名单
$qdist:函数(p)
$int:命名num-17.4
..-attr(*,“名称”)=chr“75%”
$slope:命名num 0.415
..-attr(*,“名称”)=chr“75%”
-attr(*,“class”)=chr“proplot”
gt;
< /代码> 

但是,将此信息合并到ggplot2或基本图形中不会产生相同的结果。


proplot(x)
< /代码> 



与


ggplot(data=df,aes(x=x,y=y))+geom_point()+geom_abline(intercept=int,slope=slope)
< /代码> 



我用R基图形得到了类似的结果

绘图(df$x,df$y)
abline(int,slope,col=“red”)。
< /代码> 

最后,我了解到,图例的最后两行是指Anderson Darling Test for Normality,可以使用nortest.package进行复制。


广告测试(X)

安德森-达林正态性检验

数据:X
A=0.2303,P值=0.7502
< /代码> <将其描述为正态概率图。




这个probplot把你带到那里。不幸的是,我不知道如何在这个图周围添加置信区间带。

同样,ggplot的stat_qq()似乎呈现了类似的信息与转换的X轴。似乎geom_smooth()可能是加入乐队的候选人,但我还没弄清楚。

最后,做遗传学实验的人描述了类似的事情here.

要重新创建上面绘图的示例数据:

x <- c(40.2, 43.1, 45.5, 44.5, 39.5, 38.5, 40.2, 41.0, 41.6, 43.1, 44.9, 42.8)


如果有人有基础图形或ggplot的解决方案,我会很感激的!

编辑

在看了probplot,我已经确定它是如何在图上生成拟合线的:

> xl <- quantile(x, c(0.25, 0.75))
> yl <- qnorm(c(0.25, 0.75))
> slope <- diff(yl)/diff(xl)
> int <- yl[1] - slope * xl[1]
> slope
   75% 
0.4151 
> int
   75% 
-17.36 


实际上,将这些结果与从ProbPlot对象中得到的结果进行比较似乎非常好:

> check <- probplot(x)
> str(check)
List of 3
 $ qdist:function (p)  
 $ int  : Named num -17.4
  ..- attr(*, "names")= chr "75%"
 $ slope: Named num 0.415
  ..- attr(*, "names")= chr "75%"
 - attr(*, "class")= chr "probplot"
> 


但是,将这些信息合并到ggplot2或基本图形中不会产生相同的结果。

probplot(x)




对比:

ggplot(data = df, aes(x = x, y = y)) + geom_point() + geom_abline(intercept = int, slope = slope)




我用R基图形得到了类似的结果

plot(df$x, df$y)
abline(int, slope, col = "red")


最后,我了解到,最后两行的传说是指安德森-达林测试的正常性,可以用nortest

> ad.test(x)

    Anderson-Darling normality test

data:  x 
A = 0.2303, p-value = 0.7502

4 回复 | 直到 6 年前

Brandon Bertelsen 14 年前

也许这是你可以建立的东西。默认情况下,stat_smooth()使用级别=0.95。

df <- data.frame(sort(x), ppoints(x))
colnames(df) <- c("x","y")

ggplot(df, aes(x,y)) + 
geom_point() + 
stat_smooth() + 
scale_y_continuous(limits=c(0,1),breaks=seq(from=0.05,to=1,by=0.05), formatter="percent")

Kevin Wright 12 年前

尝试 qqplot qtlrel中的函数 qtlrel package.

require(“qtlrel”)。
QQplot(RNORM(100))。
< /代码> 




require("QTLRel")
qqPlot(rnorm(100))

Julie B 13 年前

您使用的是不正确的“y”,它们应该是分位数(用概率标记)。下面显示了右点的线条:

df<-data.frame(x=sort(x),y=qnorm(ppoints(length(x)))) 
probs <- c(0.01, 0.05, seq(0.1, 0.9, by = 0.1), 0.95, 0.99)
qprobs<-qnorm(probs)

xl <- quantile(x, c(0.25, 0.75))
yl <-  qnorm(c(0.25, 0.75))
slope <- diff(yl)/diff(xl)
int <- yl[1] - slope * xl[1]
ggplot(data = df, aes(x = x, y = y)) + geom_point() + geom_abline(intercept = int,slope = slope)+scale_y_continuous(limits=range(qprobs), breaks=qprobs, labels = 100*probs)+labs(y ="Percent" , x="Data")

要像minitab中那样添加置信界限,可以执行以下操作

fd<-fitdistr(x, "normal") #Maximum-likelihood Fitting of Univariate Dist from MASS 
xp_hat<-fd$estimate[1]+qprobs*fd$estimate[2]  #estimated perc. for the fitted normal
v_xp_hat<- fd$sd[1]^2+qprobs^2*fd$sd[2]^2+2*qprobs*fd$vcov[1,2] #var. of estimated perc
xpl<-xp_hat + qnorm(0.025)*sqrt(v_xp_hat)  #lower bound
xpu<-xp_hat + qnorm(0.975)*sqrt(v_xp_hat)  #upper bound

df.bound<-data.frame(xp=xp_hat,xpl=xpl, xpu = xpu,nquant=qprobs)

并将以下两行从上面添加到您的ggplot中(此外,将坡度和截距线方法替换为估计的百分比)

geom_line(data=df.bound,aes(x = xp, y = qprobs))+
geom_line(data=df.bound,aes(x = xpl, y = qprobs))+
geom_line(data=df.bound,aes(x = xpu, y = qprobs))

N. Maks 6 年前

我知道这是一个古老的问题,但对于仍在寻找解决方案的其他人,请查看 ggqqplot from the ggpubr package.

库(ggpubr)
ggqqplot(数据$sample)
< /代码> 


阿卡奇

library(ggpubr)
ggqqplot(data$sample)