scipy.stats.mstats.

hdquantiles#

scipy.stats.mstats.hdquantiles(данные, prob=(0.25, 0.5, 0.75), ось=None, var=False)[источник]#

Вычисляет оценки квантилей методом Харрелла-Дэвиса.

Оценки квантилей рассчитываются как взвешенная линейная комбинация порядковых статистик.

Параметры:

данныеarray_like: Массив данных.
probsequence, optional: Последовательность вероятностей, для которых вычисляются квантили.
осьint или None, опционально: Ось, вдоль которой вычисляются квантили. Если None, используется сглаженный массив.
varbool, необязательно: Возвращать ли дисперсию оценки.

Возвращает:

hdquantilesMaskedArray: Массив (p,) квантилей (если var равно False) или (2,p) массив квантилей и дисперсий (если var равно True), где p это количество квантилей.

Смотрите также

hdquantiles_sd

Примеры

>>> import numpy as np
>>> from scipy.stats.mstats import hdquantiles
>>>
>>> # Sample data
>>> data = np.array([1.2, 2.5, 3.7, 4.0, 5.1, 6.3, 7.0, 8.2, 9.4])
>>>
>>> # Probabilities at which to compute quantiles
>>> probabilities = [0.25, 0.5, 0.75]
>>>
>>> # Compute Harrell-Davis quantile estimates
>>> quantile_estimates = hdquantiles(data, prob=probabilities)
>>>
>>> # Display the quantile estimates
>>> for i, quantile in enumerate(probabilities):
...     print(f"{int(quantile * 100)}th percentile: {quantile_estimates[i]}")
25th percentile: 3.1505820231763066 # may vary
50th percentile: 5.194344084883956
75th percentile: 7.430626414674935