找到一个合理的范围

Question

我现在为此苦苦挣扎了几天。这是stackoverflow上关于同一主题的第三个问题，希望这次我的问题得到更好的定义。

我的数据分布如下：（直方图）

x轴对应概率范围：0到1。

我想将状态 1 到状态 10 的状态合理地分配给概率范围。

这是我得到的：

Interval <- round(quantile(datag, c(seq(0,1,by=0.10))),3)

输出：

   0%   10%   20%   30%   40%   50%   60%   70%   80%   90%  100% 
 0.000 0.008 0.015 0.024 0.036 0.054 0.080 0.124 0.209 0.397 1.000

从 0 到 10 分配状态：

States <- data.frame(datag, State=findInterval(datag, Interval))

head(States)

输出：状态

Probability      State
0.20585012         8
0.21202839         9
0.07087725         6
0.7109513         10
0.9641807         10

问题是这样的：正如您在上面看到的，我已经为概率 0.2120 设置了状态 9，为 > 0.710 设置了状态 10。我会对 prob=0.2120 state 4 和 prob=0.710 state 7 和 prob=0.96 = state 10 这样的东西感到满意。

那么如何更统一地分配状态呢？

复制数据g：

datag <- data.frame(Probability=rgamma(10000, shape=0.6, rate=4.8, scale=1/4.8))

编辑： @罗马：

datag <- subset(datag, Probability<=1)

编辑：@西蒙

是的，我知道“cut”：

table(cut(datag, breaks = c(seq(0,0.8,by=0.1))))

输出：

(0,0.1] (0.1,0.2] (0.2,0.3] (0.3,0.4] (0.4,0.5] (0.5,0.6] (0.6,0.7] (0.7,0.8] 
125545     26625     12795      8126      5556      4108      3227      2606

如何定义休息时间？我在间隔之后（打破自己），所以我可以分配与概率落入的间隔相对应的状态。

Answer 1

你基本上已经在你的 OP 中得到了答案！不要采取错误的方式，但我认为您需要花更多时间阅读?cut 的文档！如果您在cut 中设置labels = FALSE，您将获得每个中断对应的整数代码。

#  Set a seed for true reproducibility!
set.seed(1)
datag <- data.frame(Probability=rgamma(10000, shape=0.6, rate=4.8, scale=1/4.8))
Int <- cut( datag$Probability , breaks = seq(0 , 1 , by = 0.1 ) , lab = FALSE )
head( cbind( Prob = datag$Probability , Int ) )
            Prob Int
[1,] 0.031860645   1
[2,] 0.455054687   5
[3,] 0.134175238   2
[4,] 0.058957301   1
[5,] 0.855493999   9
[6,] 0.009144936   1

Answer 2

我跑了

datag <- data.frame(Probability=rgamma(10000, shape=0.6, rate=4.8, scale=1/4.8))
datag <- subset(datag, Probability<=1)

第一个给出了一个显然你忽略的警告，但之后：

如果这些应该是概率，则不需要第二步。但是继续

您使用了分位数； datag 根本不统一，所以你得到了你所得到的。如果你想以不同的方式划分 datag，你可以使用cut。例如，对于 10 个类，均匀分布：

datagcut <- cut(datag$Probability, 10)
table(datagcut)

但是第一堂课有很多病例，最后一节课很少。如果你愿意，你可以定义你自己的切割（见 ?cut）。