Chisquare
位于 stats
包(package)。 说明
具有 df
自由度和可选非中心参数 ncp
的卡方 ( ) 分布的密度、分布函数、分位数函数和随机生成。
用法
dchisq(x, df, ncp = 0, log = FALSE)
pchisq(q, df, ncp = 0, lower.tail = TRUE, log.p = FALSE)
qchisq(p, df, ncp = 0, lower.tail = TRUE, log.p = FALSE)
rchisq(n, df, ncp = 0)
参数
x, q |
分位数向量。 |
p |
概率向量。 |
n |
观察次数。如果是 |
df |
自由度(非负,但可以是非整数)。 |
ncp |
非中心参数(非负)。 |
log, log.p |
逻辑性;如果为 TRUE,则概率 p 以 log(p) 形式给出。 |
lower.tail |
逻辑性;如果为 TRUE(默认值),则概率为 ,否则为 。 |
细节
具有 df
自由度的卡方分布具有密度
为了
均值和方差为 和 .
具有 df
自由度和非中心参数 ncp
的非中心卡方分布具有密度
为了
, , 和 .
请注意,自由度 df
可以是非整数,也可以是与非中心性 相关的 ,请参阅 Johnson 等人(1995 年,第 29 章)。在这种(非中心,零 df)情况下,分布是 处的点质量(大小为 pchisq(0, df=0, ncp=ncp)
)和连续部分的混合,并且 dchisq()
不是相对于该混合测量的密度,而是而是 的密度限制。
请注意,大于约 1e5(甚至更小)的 ncp
值可能会给出不准确的结果,并针对 pchisq
和 qchisq
发出许多警告。
值
dchisq
给出密度,pchisq
给出分布函数,qchisq
给出分位数函数,rchisq
生成随机偏差。
无效参数将导致返回值 NaN
,并带有警告。
结果的长度由 rchisq
的 n
确定,并且是其他函数的数值参数长度的最大值。
除 n
之外的数字参数将被回收到结果的长度。仅使用逻辑参数的第一个元素。
注意
提供 ncp = 0
使用非中心分布的算法,这与省略 ncp
时使用的算法不同。这是为了在 ncp
值非常接近零的极端情况下提供一致的行为。
非零 ncp
的代码主要用于 ncp
的中等值:对于大值,它不会非常准确,尤其是在尾部。
例子
require(graphics)
dchisq(1, df = 1:3)
pchisq(1, df = 3)
pchisq(1, df = 3, ncp = 0:4) # includes the above
x <- 1:10
## Chi-squared(df = 2) is a special exponential distribution
all.equal(dchisq(x, df = 2), dexp(x, 1/2))
all.equal(pchisq(x, df = 2), pexp(x, 1/2))
## non-central RNG -- df = 0 with ncp > 0: Z0 has point mass at 0!
Z0 <- rchisq(100, df = 0, ncp = 2.)
graphics::stem(Z0)
## visual testing
## do P-P plots for 1000 points at various degrees of freedom
L <- 1.2; n <- 1000; pp <- ppoints(n)
op <- par(mfrow = c(3,3), mar = c(3,3,1,1)+.1, mgp = c(1.5,.6,0),
oma = c(0,0,3,0))
for(df in 2^(4*rnorm(9))) {
plot(pp, sort(pchisq(rr <- rchisq(n, df = df, ncp = L), df = df, ncp = L)),
ylab = "pchisq(rchisq(.),.)", pch = ".")
mtext(paste("df = ", formatC(df, digits = 4)), line = -2, adj = 0.05)
abline(0, 1, col = 2)
}
mtext(expression("P-P plots : Noncentral "*
chi^2 *"(n=1000, df=X, ncp= 1.2)"),
cex = 1.5, font = 2, outer = TRUE)
par(op)
## "analytical" test
lam <- seq(0, 100, by = .25)
p00 <- pchisq(0, df = 0, ncp = lam)
p.0 <- pchisq(1e-300, df = 0, ncp = lam)
stopifnot(all.equal(p00, exp(-lam/2)),
all.equal(p.0, exp(-lam/2)))
来源
中心情况是通过伽玛分布计算的。
非中心 dchisq
和 rchisq
被计算为中心 chi-squares 的泊松混合(Johnson 等人,1995 年,第 436 页)。
非中心 pchisq
用于根据中心 chi-squares 的泊松混合计算得出的 ncp < 80
,对于较大的 ncp
,则通过 C 翻译
Ding, C. G. (1992) 算法 AS275:计算非中心卡方分布函数。应用统计学家,41 478-482。
它仅计算下尾部(因此上尾部会受到取消的影响,并且当这可能很重要时会发出警告)。
非中心 qchisq
基于 pchisq
的反转。
参考
Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole.
Johnson, N. L., Kotz, S. and Balakrishnan, N. (1995) Continuous Univariate Distributions, chapters 18 (volume 1) and 29 (volume 2). Wiley, New York.
也可以看看
Distributions 适用于其他标准发行版。
具有 shape
和 scale
的伽玛分布相同。因此,请参阅 dgamma
了解 Gamma 分布。 自由度的中心卡方分布与具有
d.f. 为 2 的中心卡方分布与比率为 1/2 的指数分布相同: dexp
。 ,请参阅
相关用法
- R C 设置因子的对比
- R Cauchy 柯西分布
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
- R plot.stepfun 绘制阶跃函数
- R alias 查找模型中的别名(依赖项)
- R qqnorm 分位数-分位数图
- R eff.aovlist 多层方差分析的计算效率
- R pairwise.t.test 成对 t 检验
- R loglin 拟合对数线性模型
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R bartlett.test 方差齐性的 Bartlett 检验
- R influence.measures 回归删除诊断
- R loess.control 设置黄土参数
- R Normal 正态分布
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 The (non-central) Chi-Squared Distribution。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。