e <- rexp(30) x <- rnorm(30) y <- rnorm(100) hist(x,breaks=8) hist(x,probability=TRUE) lines(t,dexp(t)) hist(y) hist(e) hist(e,probability=TRUE) t <- seq(0,5,0.2) lines(t,dexp(t)) # megsejtes: hisztogram alapjan # + osszehasonlitjuk a surusegfuggvennyel # maskepp: kvantilisek osszehasonlitasa q <- seq(0,1,0.1) qe <- quantile(e,q) qe.elmeleti <- qexp(q) # elvileg elemenkent eq kb = qe.elmeleti qe - qe.elmeleti plot(qe,qe.elmeleti) # kb az y=x egyenes menten kene hogy legyenek abline(0,1) e2 <- rexp(100) qe2 <- quantile(e2,q) plot(qe2,qe.elmeleti) abline(0,1) # rossz eloszlassal osszehasonlitva: qn.elmeleti <- qnorm(q) plot(qe2,qn.elmeleti) abline(0,1) y <- rnorm(100) * 2 + 3 # Gauss-eo, v.e. = 3, szoras = 2 mean(y) var(y) qy <- quantile(y,q) plot(qy,qn.elmeleti) plot(qn.elmeleti,qy) abline(0,1) abline(3,2,col="blue") # y=2x+3 # 2 szoras. 3 v.e. # ha az eloszlas tipusa jo, akkor egyenes, csak # d x + e egyenes # beepitett fuggvenyekkel a fentiek rovidebben: qqplot(e2,qexp(seq(0,1,0.05))) qqline(e2,distribution=qexp) # qqline(e2,distribution = # function(q) qexp(q,rate=1) ) # normalis eloszlasra meg rovidebb: qqnorm(y) abline(3,2,col="blue") qqline(y,col="red")