如何使用统计

Question

我有一个数据样本 （比如说1.9 4.8 3.9 4.7 2.3 4.6 3.9）

我要分发的钟形曲线的数据，并给予之间的收视率通常分布数据1到5.如何使用统计数据。

（最高的20％将被评为5，然后4等）

Answer 1

这里是你的问题的第一部分：

x <- c(1.9,4.8,3.9,4.7,2.3,4.6,3.9) 

sigma <- sd(x) # 1.175747 
mu <- mean(x) # 3.728571 

curve((1/(sigma*sqrt(2*pi)))*exp(-((x-mu)^2)/(2*sigma^2)),xlim=c(-1,9),ylab="density") 

y <- (1/(sigma*sqrt(2*pi)))*exp(-((x-mu)^2)/(2*sigma^2)) 
points(x, y, col="red") 

第二部分

这可能是一种更直接的方法做到这一点，但是这做的伎俩：

p.quint <- qnorm(p = c(0, .2, .4, .6, .8, 1), mean = mu, sd = sigma) 
names(p.quint) <- c(1:5, NA) 

p.quint 
# 1  2  3  4  5  <NA> 
# -Inf 2.739038 3.430699 4.026444 4.718105  Inf  

# Check how many items in p.quint are lower than p and use this as 
# the index to p.quint's names and store it in x.quint 
x.quint <- unlist(lapply(x, function(a) as.numeric(names(p.quint))[sum(a > p.quint)])) 

cbind(x, x.quint) 

#  x x.quint 
# [1,] 1.9  1 
# [2,] 4.8  5 
# [3,] 3.9  3 
# [4,] 4.7  4 
# [5,] 2.3  1 
# [6,] 4.6  4 
# [7,] 3.9  3 

为第二部分，前面的答案

[这是OP mentionned所需的输出将代表昆泰公司前]

好吧，我明白你的意思现在。让我们这样做：

x <- c(1.9,4.8,3.9,4.7,2.3,4.6,3.9) 

# sort x to simplify matters 
x <- sort(x) 

# standardize x around its mean 
x.tr <- x - mean(x) 

# Check range ; we want it to be 4 (5-1) 
range(x.tr)[2] - range(x.tr)[1] # 2.9 

# Apply transformation to stretch the data a little bit 
x.tr <- x * 4/2.9 

range(x.tr)[2] - range(x.tr)[1] 
# [1] 4 

# We also want the min to be 1 
x.tr <- x.tr - (x.tr[1]-1) 

mu <- mean(x.tr) # 3.522167 
sigma <- sd(x.tr) # 1.62172 
x <- x.tr 
curve((1/(sigma*sqrt(2*pi)))*exp(-((x-mu)^2)/(2*sigma^2)),xlim=c(-1,9),ylab="density") 

y.tr <- (1/(sigma*sqrt(2*pi)))*exp(-((x.tr-mu)^2)/(2*sigma^2)) 
points(x.tr, y.tr, col="blue") 

现在你已经把点上的正态分布以下参数范围从1到5：

mu 
# [1] 3.522167 

sigma 
# [1] 1.62172