Как я могу построить интегральную функцию распределения (CDF) для связанных данных?

Question

У меня есть дискретные данные, которые я представил в диапазонах, например

         Marks Freq cumFreq 
1  (37.9,43.1]    4       4    
2  (43.1,48.2]   16      20   
3  (48.2,53.3]   76      96    

мне нужно построить CMF для этих данных, я знаю, что есть

plot(ecdf(x))

но я не знаю, что добавить, чтобы иметь то, что мне нужно.

Answer 1

Вот несколько вариантов:

library(ggplot2)
library(scales)
library(dplyr)

## Fake data
set.seed(2)
dat = data.frame(score=c(rnorm(130,40,10), rnorm(130,80,5)))

Вот как построить ECDF, если у вас есть необработанные данные:

# Base graphics
plot(ecdf(dat$score))

# ggplot2
ggplot(dat, aes(score)) +
  stat_ecdf(aes(group=1), geom="step")

Вот один из способов построить ECDF, если у вас есть только сводные данные:

Во-первых, давайте сгруппируем данные в бункеры, аналогично тому, что у вас есть в вашем вопросе. Мы используем cut функция для создания бункеров, а затем создать новый pct столбец для расчета каждой ячейки доли от общего количества баллов. Мы используем dplyr оператор цепочки (%>%) сделать все это в одной "цепочке" функций.

dat.binned = dat %>% count(Marks=cut(score,seq(0,100,5))) %>%
         mutate(pct = n/sum(n))

Теперь мы можем построить это. cumsum(pct) рассчитывает совокупный процент (как cumFreq в твоем вопросе). geom_step создает пошаговый график с этими совокупными процентами.

ggplot(dat.binned, aes(Marks, cumsum(pct))) +
  geom_step(aes(group=1)) +
  scale_y_continuous(labels=percent_format()) 

Вот как выглядят графики:

Answer 2

Как насчет этого:

library(ggplot2)
library(scales)
library(dplyr)

set.seed(2)
dat = data.frame(score = c(rnorm(130,40,10), rnorm(130,80,5)))
dat.binned = dat %>% count(Marks = cut(score,seq(0,100,5))) %>%
         mutate(pct = n/sum(n))
ggplot(data = dat.binned, mapping = aes(Marks, cumsum(pct))) +  
  geom_line(aes(group = 1)) + 
  geom_point(data = dat.binned, size = 0.1, color = "blue") +
  labs(x = "Frequency(Hz)", y = "Axis") +
  scale_y_continuous(labels = percent_format())