scipy.stats.mstats.

plotting_positions

scipy.stats.mstats.plotting_positions(data, alpha=0.4, beta=0.4)

Gibt Plotting-Positionen (oder empirische Perzentilpunkte) für die Daten zurück.

Plotting-Positionen sind definiert als (i-alpha)/(n+1-alpha-beta), wobei

• i die Rangordnungsstatistik ist

• n die Anzahl der nicht maskierten Werte entlang der gegebenen Achse ist

• alpha und beta zwei Parameter sind.

Typische Werte für alpha und beta sind

• (0,1) : p(k) = k/n, lineare Interpolation der kumulativen Verteilungsfunktion (R, Typ 4)

• (.5,.5) : p(k) = (k-1/2.)/n, stückweise lineare Funktion (R, Typ 5)

• (0,0) : p(k) = k/(n+1), Weibull (R Typ 6)

• (1,1) : p(k) = (k-1)/(n-1), in diesem Fall, p(k) = mode[F(x[k])]. Das ist der Standard in R (R Typ 7)

• (1/3,1/3): p(k) = (k-1/3)/(n+1/3), dann p(k) ~ median[F(x[k])]. Die resultierenden Quantilschätzungen sind ungefähr Median-unverzerrt, unabhängig von der Verteilung von x. (R Typ 8)

• (3/8,3/8): p(k) = (k-3/8)/(n+1/4), Blom. Die resultierenden Quantilschätzungen sind ungefähr unverzerrt, wenn x normalverteilt ist (R Typ 9)

• (.4,.4) : annähernd quantil unverzerrt (Cunnane)

• (.35,.35): APL, verwendet mit PWM

• (.3175, .3175): verwendet in scipy.stats.probplot

Parameter:

dataarray_like

Eingabedaten, als Sequenz oder Array der Dimension höchstens 2.

alphafloat, optional

Parameter für Plotting-Positionen. Standard ist 0.4.

betafloat, optional

Parameter für Plotting-Positionen. Standard ist 0.4.

Rückgabe:

positionsMaskedArray

Die berechneten Plotting-Positionen.