Cuantiles y cuartiles en R: guía práctica
Traducido por
ScribdTranslationsCuantiles y cuartiles en R: guía práctica
Traducido por
ScribdTranslationsCÁLCULOS DE CUANTILES EN R
Objetivo:
Mostrando cómo se calculan los cuantiles (especialmente los cuartiles) en R.
R ofrece diferentes funciones para calcular cuartiles, que pueden producir diferentes resultados.
Examples:
> datos <- c(1,12,14,3,96,111)
> resumen(datos)
Min. 1st Qu. Median Mean 3rd Qu. Máx.
1.00 5.25 13.00 39.50 75.50 111.00
> cuantiles(data, c(0.25, 0.5, 0.75), tipo = 1)
25% 50% 75%
3 12 96
Fuentes:
- [Link]
– [Link]
[Link] conjuntos de prueba
Q1 MEDIANA Q3
3 3 3 3
2 3 5 7 11 13 17 19 23 29 31 37
> data12 <- c(2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37)
longitud(data12) / 4 ## Longitud de cada cuartil
3
Q1 MEDIANA Q3
2.75 2.75 2.75 2.75
2 3 5 7 11 13 17 19 23 29 31
> data11 <- c(2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31)
longitud(datos11) / 4 ## Longitud de cada cuartil
2.75
Q1 MEDIANA Q3
2.5 2.5 2.5 2.5
2 3 5 7 11 13 17 19 23 29
> datos10 <- c(2, 3, 5, 7, 11, 13, 17, 19, 23, 29)
> longitud(data10) / 4 ## Longitud de cada cuartil
2.5
Q1 MEDIANA Trimestre 3
2.25 2.25 2.25 2.25
2 3 5 7 11 13 17 19 23
> datos9 <- c(2, 3, 5, 7, 11, 13, 17, 19, 23)
longitud(data9) / 4 ## Longitud de cada cuartil
2.25
Comparación de conjuntos de resultados para diferentes funciones
DATOS FUNCIÓN Q1 MEDIANA Q3
quantile(data12, c(0.25, 0.5, 0.75), tipo = 1) 5 13 23
cuantiles(data12, c(0.25, 0.5, 0.75), tipo = 2) 6 15 26
cuantil(data12, c(0.25, 0.5, 0.75), tipo = 3) 5 13 23
cuantiles(data12, c(0.25, 0.5, 0.75), tipo = 4) 5 13 23
cuantil(data12, c(0.25, 0.5, 0.75), tipo = 5) 6 15 26
quantile(data12, c(0.25, 0.5, 0.75), type = 6) 5.5 15 27.5
cuantiles(data12, c(0.25, 0.5, 0.75), tipo = 7) 6.5 15 24.5
cuantiles(data12, c(0.25, 0.5, 0.75), tipo = 8) 5.833333 15 26.5
cuantil(data12, c(0.25, 0.5, 0.75), tipo = 9) 5.875 15 26.375
resumen(data12) 6.5 15 24.5
diagrama de caja(data12) 6 15 26
cuantile(data11, c(0.25, 0.5, 0.75), tipo = 1) 5 13 23
cuartil(data11, c(0.25, 0.5, 0.75), tipo = 2) 5 13 23
cuantiles(data11, c(0.25, 0.5, 0.75), tipo = 3) 5 13 19
cuantil(data11, c(0.25, 0.5, 0.75), tipo = 4) 4.5 12 20
cuantiles(data11, c(0.25, 0.5, 0.75), tipo = 5) 5.5 13 22
cuantil(data11, c(0.25, 0.5, 0.75), tipo = 6) 5 13 23
cuantiles(data11, c(0.25, 0.5, 0.75), tipo = 7) 6 13 21
cuantiles(data11, c(0.25, 0.5, 0.75), tipo = 8) 5.333333 13 22.333333
cuantiles(data11, c(0.25, 0.5, 0.75), tipo = 9) 5.375 13 22.25
resumen(datos11) 6 13 21
boxplot(data11) 6 13 21
cuantil(data10, c(0.25, 0.5, 0.75), tipo = 1) 5 11 19
cuantiles(data10, c(0.25, 0.5, 0.75), tipo = 2) 5 12 19
cuantiles(data10, c(0.25, 0.5, 0.75), tipo = 3) 3 11 19
quantile(data10, c(0.25, 0.5, 0.75), type = 4) 4 11 18
cuantiles(datos10, c(0.25, 0.5, 0.75), tipo = 5) 5 12 19
cuantil(datos10, c(0.25, 0.5, 0.75), tipo = 6) 4.5 12 20
cuantiles(data10, c(0.25, 0.5, 0.75), tipo = 7) 5.5 12 18.5
cuantiles(data10, c(0.25, 0.5, 0.75), tipo = 8) 4.833333 12 19.333333
cuantil(data10, c(0.25, 0.5, 0.75), tipo = 9) 4.875 12 19.25
resumen(data10) 5.5 12 18.5
diagrama de caja(data10) 5 12 19
quantile(data9, c(0.25, 0.5, 0.75), tipo = 5 1) 11 17
cuantiles(data9, c(0.25, 0.5, 0.75), tipo = 2) 5 11 17
cuantil(data9, c(0.25, 0.5, 0.75), tipo = 3) 3 7 17
quantile(data9, c(0.25, 0.5, 0.75), type = 4) 3.5 9 16
cuantiles(data9, c(0.25, 0.5, 0.75), tipo = 5) 4.5 11 17.5
cuantiles(data9, c(0.25, 0.5, 0.75), tipo = 6) 4 11 18
cuantil(data9, c(0.25, 0.5, 0.75), tipo = 7) 5 11 17
cuantil(datos9, c(0.25, 0.5, 0.75), tipo = 8) 4.333333 11 17.666667
cuantil(data9, c(0.25, 0.5, 0.75), tipo = 9) 4.375 11 17.625
resumen(data9) 5 11 17
diagrama de caja(data9) 5 11 17
Funciones cuantiles personalizadas por tipo
QuantileType1 <- función (v, p) {
v = ordenar(v)
m = 0
n = longitud(v)
j = piso((n * p) + m)
g = (n * p) + m - j
y = si(g == 0, 0, 1)
((1 - y) * v[j]) + (y * v[j+1])
}
QuantileType2 <- function (v, p) {
v = ordenar(v)
m = 0
n = longitud(v)
j = piso((n * p) + m)
g = (n * p) + m - j
y = si (g == 0, 0.5, 1)
((1 - y) * v[j]) + (y * v[j+1])
}
QuantileType3 <- función (v, p) {
v = ordenar(v)
m = -0.5
n = longitud(v)
j = piso((n * p) + m)
g = (n * p) + m - j
y = si(trunc(j/2)*2==j, si(g==0, 0, 1), 1)
((1 - y) * v[j]) + (y * v[j+1])
}
QuantileType7 <- función (v, p) {
v = ordenar(v)
h = ((longitud(v)-1)*p)+1
v[floor(h)]+((h-floor(h))*(v[floor(h)+1]- v[floor(h)]))
}
Ejemplo:
> data12 <- c(2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37)
> TipoCuantile1(data12, 0.25)
[1] 5
Conclusiones
La función summary() parece utilizar el mismo algoritmo para calcular Q1, la mediana y Q3 que
¿la función quantiles() con tipo establecido en 7?
A veces, la función quantiles() genera los mismos resultados con diferentes tipos establecidos.
El diagrama de caja no parece usar uno de los 9 tipos que quantiles() utiliza para calcular Q1, la mediana.
y Q3.
Diagrames de caja
boxplot(data9 , pch=15, main="Diagrama de caja (data9)" , col = "azul claro", pars = list(boxwex = 5))
boxplot(data10, pch=15, main="Boxplot (data10)", col = "lightblue", pars = list(boxwex = 5))
boxplot(data11, pch=15, main="Boxplot (data11)", col = "lightblue", pars = list(boxwex = 5))
boxplot(data12, pch=15, main="Boxplot (data12)", col = "azul claro", pars = list(boxwex = 5))