【问题标题】:Coefficient of Quartile Variation in RR中的四分位变异系数
【发布时间】:2021-08-10 12:26:01
【问题描述】:

我正在尝试计算每 3 次连续测量的 R 的四分位变异系数。

cqv_versatile(
    Q, 
    na.rm = TRUE, 
    digits = 3)
    Q
    49
    44
    34
    33
    37
    48
    20
    48
    37
    42
    44
    35
    40

有人知道如何用这个连续的间隔计算cqv_versatile吗?

【问题讨论】:

  • 您想从 3 个数据点估计四分位数?你确定吗?
  • 我想估计连续 3 行(例如:49,44,34)的 (Quartil 3 - Quartil 1)/ (Quartil 3 - Quartil1),以分析材料分散。我的数据是非正态的,这就是为什么我选择四分位变异系数,而不是我不需要转换数据。
  • 我明白了,我问你是否真的想从三行中估计四分位数?这是一个可怜的数据量,估计会有很多外推。
  • 我看到了,问题中没有完整的数据。对于我正在考虑应用四分位数系数的每组数据,我有 68 行。

标签: r variations quartile


【解决方案1】:

这是使用基数 R 的一种方法,将 hst 变量更改为所需的子长度(为了清楚起见,第一个系数是根据索引 1、2、3 的值估计的;第二个系数是根据索引值为 4,5,6)

Q=as.numeric(read.table(text="49 44 34 33 37 48 20 48 37 42 44 35 40"))

hst=3

sapply(seq(1,length(Q),hst),function(x){
  tmp=x:(pmin(x+hst-1,length(Q)))
  q1=quantile(Q[tmp],0.25)
  q3=quantile(Q[tmp],0.75)
  as.numeric((q3-q1)/(q3+q1))
})

[1] 0.08771930 0.09677419 0.19718310 0.05521472 0.00000000

如 cmets 中所述,您在估计系数时确实应该使用更多数据。

如果您想基于滚动窗口进行估计,那么索引 1,2,3 -> 2,3,4 -> ...只需将 seq(1,length(Q),hst) 替换为 seq(1,length(Q),1)

【讨论】:

  • 非常感谢!我将尝试查看估计系数如何在我的数据中起作用,否则,我将尝试另一种分析来分析材料的分散性。
  • @JacquelineSantos 如果这回答了您的问题,请考虑接受此答案以结束此事。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2022-06-14
  • 2019-10-14
  • 2018-09-30
  • 2013-07-09
  • 2017-04-25
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多