x <- rnorm(50) # ha nem tudom, hogy generaltam x-et, # hogyan talalom ki, milyen eloszlas? # hisztogram alapjan # probaljuk megsejteni hist(x,probablity=TRUE) z <- seq(-2.5,2.5,0.1) lines(z,dnorm(z)) y <- rexp(50) hist(y,probability=TRUE) z2 <- seq(0,6,0.1) lines(z2,dexp(z2)) # eloszlaslasfuggveny # exp plot(z2,pexp(z2),type="l") lines(z2,dexp(z2),col="blue") # empirikius eloszlasfuggveny plot(ecdf(y)) # + eloszlasfuggveny lines(z2,pexp(z2),col="red") # Gauss eo-fv -- ez nem illeszkedik lines(z2,pnorm(z2),col="blue") # kvantilisekkel: # spec. median : # rendezett minta kozepe quantile(y,0.5) # altalanosan: 0.3-kvantilis: # az az x, aminel a minta 30%-a kisebb quantile(y,0.3) # elmeleti kvantilis: qexp(0.3) # hol veszi fel a pexp() eo-fv a # 0.3 erteket # y minta exp: minta kvantilisei kb. # az elmeleti kvantilisek # ez a vektor koordinatankent # kb. 0 kene legyen qexp(seq(0,1,0.1)) - quantile(y,seq(0,1,0.1)) # ha kb egyenlok ,akkor abraban # kb. illeszkednek az y=x egyenesre plot(qexp(seq(0,1,0.1)), quantile(y,seq(0,1,0.1)), ylim=c(0,1),xlim=c(0,1)) abline(0,1) # y-tengelyt 0-ban metszo, # 1 meredeksegu egyenes plot(qexp(seq(0,1,0.05)), quantile(y,seq(0,1,0.05)), ylim=c(0,1),xlim=c(0,1)) abline(0,1) # ugyanez kevesebb gepelessel: qqplot(y,qexp(seq(0,1,0.1))) # vagy: seq() helyett ppoints() abline(0,1) # normalis eo-ra meg kevesebb gepeles: qqnorm(y) abline(0,1) # normalisra nem illeszkedik! # x viszont normalis eo: qqnorm(x) abline(0,1) b <- 2*x + 2 # 2 szorasu, 2 varhato erteku Gauss qqnorm(b) abline(0,1) abline(2,2,col="blue") # b is normalis, csak nem standard: # csak 2 ve, 2 szoras # akkor 2 meredekseg, 2 y-tengelymetszet qqline(b,col="red") # becsult varhato ertek, szorassal # rajzol egyenest