R, Python oder Oktave: empirisches Quantil (invers cdf) mit Konfidenzintervallen?

Ich suche eine eingebaute Funktion, die das Stichprobenquantilikum und ein geschätztes Konfidenzintervall in etwas anderes als MATLAB ecdf ( ecdf tut dies).

Ich vermute, R hat diese eingebaute und ich habe es noch nicht gefunden.

Wenn Sie irgendeinen eigenständigen Code haben, um dies zu tun, könnten Sie auch darauf hinweisen, hier, obwohl ich hoffe, etwas zu finden, das als Teil einer größeren offenen Code-Basis enthalten ist.

-Trocknen, um weg von MATLAB zu kommen.

  • Extrahieren eines Teils eines gescannten Dokuments (persönliche ID) - welche Bibliothek und Methode zu wählen?
  • Wie man mit dem PyObject * von C ++ in Python umgehen kann
  • Kannst du eine Permutationsfunktion genauso elegant in C # schreiben?
  • Ungewöhnliche Geschwindigkeitsdifferenz zwischen Python und C ++
  • Reden zwischen python tcp server und einem c ++ client
  • Wie man statische Bibliothek mit -fPIC aus boost.python kompiliert
  • One Solution collect form web for “R, Python oder Oktave: empirisches Quantil (invers cdf) mit Konfidenzintervallen?”

    Die survfit Funktion kann verwendet werden, um die Überlebensfunktion mit Konfidenzintervallen zu erhalten. Da es nur 1-ecdf ist, gibt es eine direkte Beziehung zwischen den Quantilen. Um dies zu benutzen, musst du eine Variable erstellen, die besagt, dass jede Ihrer Beobachtungen vollständig ist (nicht zensiert):

     library(survival) x <- rexp(10) ev <- rep(1, length(x)) sf <- survfit(Surv(x,ev)~1) 

    Mit Ausgabe:

     >summary(sf) Call: survfit(formula = Surv(x, ev) ~ 1) time n.risk n.event survival std.err lower 95% CI upper 95% CI -1.4143 10 1 0.9 0.0949 0.7320 1.000 -1.1229 9 1 0.8 0.1265 0.5868 1.000 -0.9396 8 1 0.7 0.1449 0.4665 1.000 -0.4413 7 1 0.6 0.1549 0.3617 0.995 -0.2408 6 1 0.5 0.1581 0.2690 0.929 -0.1698 5 1 0.4 0.1549 0.1872 0.855 0.0613 4 1 0.3 0.1449 0.1164 0.773 0.1983 3 1 0.2 0.1265 0.0579 0.691 0.5199 2 1 0.1 0.0949 0.0156 0.642 0.8067 1 1 0.0 NaN NA NA 

    Tatsächlich berechnet survfit den Median und sein Konfidenzintervall, aber nicht die anderen Quantile:

     >sf Call: survfit(formula = Surv(x, ev) ~ 1) records n.max n.start events median 0.95LCL 0.95UCL 10.000 10.000 10.000 10.000 -0.205 -0.940 NA 

    Die eigentliche Arbeit für die Berechnung des Konfidenzintervalls des Medians ist gut verborgen im survival:::survmean Funktion, die Sie wahrscheinlich verwenden könnten, um auf andere Quantile zu verallgemeinern.

    Python ist die beste Programmiersprache der Welt.