In this chapter we have used both M

In this chapter we have used both Minitab and R to construct normal scores plots. In R
this is done using the function qqnorm, which automatically generates the plot. Before we
show its use, we have three important points to note regarding normal scores plots made
with computer packages. First, different packages handle ties in different ways. The different
approaches result in similar-looking plots, however, so we will not dwell on this point. More
noteworthy is the fact that some packages reverse the axes: they plot the population quantiles
on the vertical axis and the sample quantiles on the horizontal axis. In these cases, the slope
and intercept for such a plot have different meanings than for the plots we have described;
however, the key point remains the same: data from a normal population should result in a
plot where the points follow a straight line.
Our third point is that, instead of using the population quantiles z[(i−0.5)/n] we discussed
earlier, some computer packages use slight variants on this. For example, R uses
z[(i−3/8)/(n+1/4)] for small sample sizes. The reasons for these variants are somewhat technical
and do not concern us here. The differences in the resulting plots are very small.
With these points in mind, we now describe the construction of normal scores plots in R.
Consider some artificial data called mydata. To produce a normal scores plot, you type:

ผลลัพธ์ (ไทย) 1:

ในบทนี้ เราได้ใช้ทั้งปัจจัย และลงจุด R เพื่อสร้างคะแนนปกติ ใน Rซึ่งทำได้โดยใช้การ qqnorm ฟังก์ชัน ซึ่งสร้างพล็อตโดยอัตโนมัติ ก่อนที่เราจะแสดงการใช้ เรามีสามสิ่งสำคัญที่ควรทราบเกี่ยวกับปกติคะแนนผืนที่ทำด้วยแพคเกจเครื่องคอมพิวเตอร์ แพคเกจแรก แตกต่างกันจัดการความสัมพันธ์ในลักษณะต่าง ๆ ที่แตกต่างกันวิธีทำให้มองคล้ายผืน ไร ดังนั้นเราจะอาศัยอยู่ในจุดนี้ไม่ เพิ่มเติมคือความจริงที่ว่า บางแพกลับแกนที่น่าสนใจ: พวกเขาพล็อต quantiles ประชากรบนแกนแนวตั้งและ quantiles ตัวอย่างบนแกนแนวนอน ในกรณีเหล่านี้ ความชันและจุดตัดแกนสำหรับแผนดังกล่าวมีความหมายแตกต่างกันมากกว่าสำหรับโครงการ เราได้อธิบายไว้อย่างไรก็ตาม จุดหลักยังคงเหมือนเดิม: ข้อมูลจากประชากรปกติควรทำการพล็อตที่จุดตามแนวเส้นตรงจุดที่สามของเราคือ แทนการใช้ประชากร quantiles z [(i−0.5) /n%1 /n] เรากล่าวถึงก่อนหน้านี้ บางแพคอมพิวเตอร์ใช้ย่อยเล็กน้อยนี้ , R ใช้z[(i−3/8)/(n+1/4)] สำหรับขนาดตัวอย่างขนาดเล็ก สาเหตุของตัวแปรเหล่านี้จะค่อนข้างเทคนิคและไม่เกี่ยวกับเรานี่ ความแตกต่างในโครงการได้มีขนาดเล็กมากจุดเหล่านี้ในจิตใจ เราพร้อมอธิบายการก่อสร้างปกติคะแนนผืนในอาร์พิจารณาข้อมูลประดิษฐ์บางอย่างที่เรียกว่า mydata การผลิตปกติเป็นคะแนนพล็อต คุณพิมพ์:

ผลลัพธ์ (ไทย) 2:

ในบทนี้เราได้ใช้ทั้ง Minitab และ R เพื่อสร้างแปลงคะแนนปกติ ในการวิจัยนี้จะทำโดยใช้ฟังก์ชั่น qqnorm ซึ่งจะสร้างพล็อต ก่อนที่เราจะแสดงให้เห็นการใช้งานเรามีสามจุดสำคัญที่ควรทราบเกี่ยวกับการแปลงคะแนนปกติที่ทำกับแพคเกจเครื่องคอมพิวเตอร์ ครั้งแรกแพคเกจต่างๆจัดการกับความสัมพันธ์ในรูปแบบที่แตกต่างกัน แตกต่างกันวิธีการส่งผลในแปลงคล้ายกัน แต่ดังนั้นเราจะไม่อยู่ในประเด็นนี้ อื่น ๆที่น่าสังเกตก็คือความจริงที่ว่าแพคเกจบางส่วนกลับแกนที่พวกเขาวางแผนประชากร quantiles บนแกนแนวตั้งและ quantiles ตัวอย่างในแกนนอน ในกรณีนี้ความลาดชันและตัดสำหรับพล็อตดังกล่าวมีความหมายที่แตกต่างกันกว่าแปลงที่เราได้อธิบาย; แต่จุดสำคัญยังคงเหมือนเดิม: ข้อมูลจากประชากรปกติจะส่งผลในพล็อตที่จุดตามเส้นตรงจุดที่สามของเราคือว่าแทนที่จะใช้ประชากร quantiles ซี [(i-0.5) / n] เรากล่าวถึงก่อนหน้านี้บางแพคเกจการใช้คอมพิวเตอร์สายพันธุ์เล็กน้อยเกี่ยวกับเรื่องนี้ ยกตัวอย่างเช่นการใช้ R ซี [(i-3/8) / (1 ​​+ n / 4)] สำหรับขนาดตัวอย่างเล็ก ๆ เหตุผลในสายพันธุ์เหล่านี้เป็นเทคนิคที่ค่อนข้างและไม่เกี่ยวข้องกับเราได้ที่นี่ ความแตกต่างในแปลงที่เกิดขึ้นมีขนาดเล็กมาก. ด้วยจุดเหล่านี้ในใจเราตอนนี้อธิบายการก่อสร้างแปลงคะแนนปกติในอาร์พิจารณาข้อมูลบางอย่างที่เรียกว่าเทียม MyData ในการผลิตพล็อตคะแนนปกติคุณพิมพ์:

ผลลัพธ์ (ไทย) 3:

ในบทนี้เราได้ใช้ทั้ง Photoshop และ R เพื่อสร้างปกติคะแนนแปลง R
นี้โดยใช้ฟังก์ชัน qqnorm ซึ่งโดยอัตโนมัติสร้างพล็อต ก่อนที่เราจะ
แสดงการใช้งาน เราได้สามคะแนนสำคัญที่จะทราบเกี่ยวกับคะแนนแปลงได้ปกติ
กับชุดคอมพิวเตอร์ แรก , แพคเกจที่แตกต่างกันจัดการกับความสัมพันธ์ในรูปแบบที่แตกต่างกัน
ต่าง ๆแนวทางการดูคล้ายแปลง ดังนั้นเรา จะไม่ได้อยู่ในจุดนี้ เพิ่มเติม
น่าสังเกตที่ว่า บางแพคเกจรีแกน : พวกเขาวางแผนประชากร quantiles
บนแกนแนวตั้ง และตัวอย่าง quantiles บนแกนแนวนอน ในกรณีเหล่านี้ , ความลาดชัน
และตัดสำหรับพล็อตดังกล่าวมีความหมายที่แตกต่างกันกว่าแปลงที่เราได้อธิบาย ;
อย่างไรก็ตามประเด็นหลักที่ยังคงเหมือนเดิม : ข้อมูลจากประชากรปกติส่งผลให้
พล็อตที่จุดตามแนวเส้นตรง
3 แต้มของเราที่แทนการใช้ประชากร quantiles Z [ ( − 0 ) / N ]
เรากล่าวถึงก่อนหน้านี้ บางแพคเกจเครื่องคอมพิวเตอร์ใช้เล็กน้อยในสายพันธุ์นี้ ตัวอย่างเช่นใช้
Z [ ( r − 3 / 8 ) ( 1 / 4 ) สำหรับขนาดตัวอย่างขนาดเล็กเหตุผลของตัวแปรเหล่านี้เป็นเทคนิคค่อนข้าง
และไม่ได้เกี่ยวข้องกับเราที่นี่ ความแตกต่างในแปลงให้มีขนาดเล็กมาก .
กับจุดเหล่านี้ในใจ เราอธิบายการก่อสร้างของปกติคะแนนแปลงใน R .
พิจารณาบางเทียมข้อมูลที่เรียกว่า MyData . สร้างพล็อต , คะแนนปกติคุณประเภท :