การใช้บรรทัดที่สร้างโดย qqline () ใน R คืออะไร?

qqnorm()ฟังก์ชั่น R ผลิตปกติ QQ พล็อตและqqline()เพิ่มสายที่ผ่านควอไทล์แรกและที่สาม จุดกำเนิดของบรรทัดนี้คืออะไร การตรวจสอบสภาพปกติเป็นประโยชน์หรือไม่? นี่ไม่ใช่เส้นคลาสสิค (เส้นทแยงมุมอาจเป็นไปได้หลังจากปรับสเกลเชิงเส้น) $y=x$

นี่คือตัวอย่าง ครั้งแรกที่ฉันเปรียบเทียบฟังก์ชันการกระจายเชิงประจักษ์ที่มีฟังก์ชั่นการกระจายทางทฤษฎีของ : ตอนนี้ผมพล็อต QQ พล็อตที่มีสาย ; กราฟนี้มีความสัมพันธ์กับสัดส่วน (ไม่ใช่เชิงเส้น) ของกราฟก่อนหน้า: แต่นี่คือ qq-plot กับ R qqline: กราฟสุดท้ายนี้ไม่แสดงการออกเดินทางเช่นเดียวกับในกราฟแรก ${\cal N}(\hat\mu,\hat\sigma^2)$ การเปรียบเทียบฟังก์ชันการแจกแจงสะสม $y=\hat\mu + \hat\sigma x$ qqnorm พร้อมกับบรรทัด "ดี" qqnorm และ qqline

r normal-distribution qq-plot

— Stéphane Laurent
แหล่งที่มา

อย่างที่คุณเห็นในภาพ ป้อนคำอธิบายรูปภาพที่นี่

ได้รับจาก

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

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

— ซีอาน
แหล่งที่มา

เส้นทแยงมุม "หลังจากการปรับสเกลเชิงเส้น" ได้ที่นี่โดย abline (mean (y), sd (y)) ที่นี่คุณจำลองข้อมูลปกติดังนั้นทั้งสองเส้นจึงอยู่ใกล้กัน แต่บางครั้งข้อมูลไม่ใกล้เคียงกับการแจกแจงแบบปกติ แต่ qqplot นั้นใกล้เคียงกับ qqline แต่ไม่ใช่กับเส้นทแยงมุม "หลังจากการปรับสเกล"

— Stéphane Laurent

... ฉันจะเพิ่มตัวอย่างให้กับคำถามของฉัน

— Stéphane Laurent

ฉันคิดว่านี่เป็นจุดของฉันที่ระบุว่าการใช้ควอไทล์นั้นแข็งแกร่งกว่าการใช้ค่าเฉลี่ยและความแปรปรวน

— ซีอาน

โอเคขอบคุณมาก. ตอนนี้ดูเหมือนจะชัดเจน qqline น่าจะดีกว่าเพราะบางครั้งในทางปฏิบัติก็ไม่เป็นที่ยอมรับในก้อย แต่ไม่จำเป็นต้องพล็อต qqline จริง ๆ : การตรวจสอบด้วยสายตานั้นเพียงพอ - สิ่งเดียวที่เราต้องเข้าใจคือ QQ-plot :)

— Stéphane Laurent

\hat{μ}

$\hat\mu$

\hat{σ}

$\hat\sigma$