# iqr
概率分布的四分位数范围
函数库: TyStatistics
# 语法
# 说明
r = iqr(pd) 返回概率分布 pd 的四分位数范围。r 的标量值是概率分布的第 75 个百分位数和第 25 个百分位数的值之间的差。示例
# 示例
计算正态分布四分位距
创建一个均值 μ 等于 0 且标准差 σ 等于 1 的标准正态分布对象。
using TyStatistics
pd = Normal(0,1)
计算标准正态分布的四分位数范围。
r = iqr(pd)
r = 1.3489795003921636
返回值是分布的第 75 个百分位值和第 25 个百分位值之间的差值。 这等效于在概率 y 等于 0.75 和 0.25 时计算逆累积分布函数值之间的差异。
r2 = icdf(pd,0.75) - icdf(pd,0.25)
r2 = 1.3489795003921636
拟合分布的四分位距
加载样本数据。创建一个包含学生考试成绩数据第一列的向量。
using TyStatistics
filename = pkgdir(TyStatistics) * "/examples/ProbabilityDistributions/paramci/paramci_data.jl";
include(filename);
x = grades[:,1];
通过拟合数据来创建正态分布对象。
pd = fitdist(x,"Normal")
pd = 正态分布
μ = 75.00833333333334 [73.43209063755675, 76.58457602910993]
σ = 8.720203367967486 [7.739096361928119, 9.988434824841422]
计算拟合分布的四分位数间距。
r = iqr(pd)
r = 11.763375582638844
返回的结果表明，学生成绩的第 75 百分位数和第 25 百分位数之间的差异为 11.7634。
使用 icdf 确定学生成绩的第 75 百分位数和第 25 百分位数。
y = icdf.(pd.Pd,[0.25,0.75])
y = 2-element Vector{Float64}:
69.12664554201392
80.89002112465276
计算第 75 个百分位数和第 25 个百分位数之间的差值。这将得出与 iqr 相同的结果。
y[2]-y[1]
ans = 11.763375582638844
使用箱线图来可视化四分位距。
boxplot(x)
方框的顶线表示第 75 个百分位数，底线表示第 25 个百分位数。中间的线表示中位数，即第 50 个百分位数。
# 输入参数
pd - 概率分布
概率分布对象
概率分布，指定为下表中的概率分布对象之一。