Julia Statistics.quantile!用法及代碼示例

quantile!([q::AbstractArray, ] v::AbstractVector, p; sorted=false, alpha::Real=1.0, beta::Real=alpha)

在區間 [0,1] 上以指定的概率或概率的向量或元組 p 計算向量 v 的分位數。如果p 是向量，則還可以指定可選的輸出數組q。 (如果未提供，則創建一個新的輸出數組。)關鍵字參數sorted 指示是否可以假定v 已排序；如果false(默認)，那麽v的元素將部分就地排序。

默認情況下(alpha = beta = 1)，分位數通過點之間的線性插值計算 ((k-1)/(n-1), v[k]) ，對於 k = 1:n 其中 n = length(v) 。這對應於 Hyndman 和 Fan (1996) 的定義 7，並且與 R 和 NumPy 默認值相同。

關鍵字參數 alpha 和 beta 對應於 Hyndman 和 Fan 中的相同參數，將它們設置為不同的值允許使用本文定義的任何方法 4-9 計算分位數：

• 定義。 4：alpha=0，beta=1
• 定義。 5：alpha=0.5，beta=0.5
• 定義。 6：alpha=0，beta=0(Excel PERCENTILE.EXC，Python 默認，Stata altdef)
• 定義。 7：alpha=1、beta=1(Julia、R 和 NumPy 默認，Excel PERCENTILE 和 PERCENTILE.INC，Python 'inclusive')
• 定義。 8：alpha=1/3，beta=1/3
• 定義。 9：alpha=3/8，beta=3/8

參考

• Hyndman, R.J 和 Fan, Y. (1996)“統計包中的樣本分位數”，The American Statistician，卷。 50，第 4 期，第 361-365 頁

• Quantile on Wikipedia詳細說明了不同的分位數定義

例子

julia> using Statistics

julia> x = [3, 2, 1];

julia> quantile!(x, 0.5)
2.0

julia> x
3-element Vector{Int64}:
 1
 2
 3

julia> y = zeros(3);

julia> quantile!(y, x, [0.1, 0.5, 0.9]) === y
true

julia> y
3-element Vector{Float64}:
 1.2000000000000002
 2.0
 2.8000000000000003