The quantile-quantile (q-q) plot is

The quantile-quantile (q-q) plot is a graphical technique for determining if two data sets come from populations with a common distribution.
A q-q plot is a plot of the quantiles of the first data set against the quantiles of the second data set. By a quantile, we mean the fraction (or percent) of points below the given value. That is, the 0.3 (or 30%) quantile is the point at which 30% percent of the data fall below and 70% fall above that value.

A 45-degree reference line is also plotted. If the two sets come from a population with the same distribution, the points should fall approximately along this reference line. The greater the departure from this reference line, the greater the evidence for the conclusion that the two data sets have come from populations with different distributions.

The advantages of the q-q plot are:

The sample sizes do not need to be equal.
Many distributional aspects can be simultaneously tested. For example, shifts in location, shifts in scale, changes in symmetry, and the presence of outliers can all be detected from this plot. For example, if the two data sets come from populations whose distributions differ only by a shift in location, the points should lie along a straight line that is displaced either up or down from the 45-degree reference line.
The q-q plot is similar to a probability plot. For a probability plot, the quantiles for one of the data samples are replaced with the quantiles of a theoretical distribution.

ผลลัพธ์ (ไทย) 1:

พล็อต quantile quantile (q-q) เป็นเทคนิคกราฟิกสำหรับการกำหนดค่ามาจากประชากรมีการกระจายทั่วไปQ-q แผนเป็นแผนของ quantiles ของชุดข้อมูลแรกกับ quantiles ของชุดข้อมูลที่สอง โดยการ quantile เราหมายความว่า เศษส่วน (หรือเปอร์เซ็นต์) คะแนนต่ำกว่าค่าที่กำหนด นั่นคือ quantile 0.3 (หรือ 30%) คือ จุดที่ 30% เปอร์เซ็นต์ของข้อมูลอยู่ด้านล่าง และ 70% อยู่ข้างบนค่านอกจากนี้ยังมีพล็อตเส้นอ้างอิง 45 องศา ถ้าสองชุดมาจากประชากรมีการแจกแจงแบบเดียวกัน คะแนนควรอยู่ประมาณตามรายการข้อมูลอ้างอิงนี้ ยิ่งออกจากนี้อ้างอิงบรรทัด ยิ่งหลักฐานในการสรุปว่า ชุดข้อมูลสองชุดมาจากกลุ่มประชากรที่มีการกระจายแตกต่างกันข้อดีของการลงจุด q-q คือ:ขนาดตัวอย่างไม่จำเป็นต้องเท่ากันสามารถจะทดสอบด้านมากขึ้นพร้อมกัน ตัวอย่างเช่น ในตำแหน่ง กะกะในสเกล การเปลี่ยนแปลงในสมมาตร และการเป็น outliers สามารถทั้งหมดพบจากวงศาคณาญาติ ตัวอย่าง ถ้าชุดข้อมูลสองชุดมาจากประชากรที่มีการกระจายแตกต่างกันเท่านั้น โดยกะตำแหน่ง คะแนนควรเรียงกันในแนวเส้นตรงที่เป็นพลัดถิ่นขึ้น หรือลงจากเส้นอ้างอิง 45 องศาQ-q พล็อตคล้ายกับพล็อตความน่าเป็นได้ สำหรับแผนความน่าเป็น quantiles สำหรับตัวอย่างข้อมูลจะถูกแทนที่ ด้วย quantiles การกระจายทฤษฎี

ผลลัพธ์ (ไทย) 2:

quantile-quantile (QQ) พล็อตเป็นเทคนิคกราฟิกสำหรับการกำหนดว่าสองชุดข้อมูลมาจากประชากรที่มีการกระจายที่พบบ่อย.
พล็อต QQ เป็นพล็อตของ quantiles ของข้อมูลเป็นครั้งแรกที่ตั้งไว้กับ quantiles ของชุดข้อมูลที่สอง โดย quantile เราหมายถึงส่วน (ร้อยละ) ของจุดต่ำกว่าค่าที่กำหนด นั่นคือ 0.3 (หรือ 30%) quantile เป็นจุดที่ร้อยละ 30% ของข้อมูลที่ต่ำกว่าและฤดูใบไม้ร่วง 70% สูงกว่าค่าที่. เส้นอ้างอิง 45 องศานอกจากนี้ยังมีการวางแผน หากทั้งสองชุดมาจากประชากรที่มีการกระจายเดียวกันจุดควรจะตกอยู่ประมาณอ้างอิงตามแนวนี้ . มากขึ้นออกเดินทางจากเส้นอ้างอิงนี้มากขึ้นหลักฐานสรุปว่าทั้งสองชุดข้อมูลที่ได้มาจากประชากรที่มีการแจกแจงที่แตกต่างกันข้อดีของพล็อตQQ คือขนาดตัวอย่างไม่จำเป็นต้องเท่ากัน. ด้านการกระจายจำนวนมาก สามารถทดสอบพร้อมกัน ยกตัวอย่างเช่นการเปลี่ยนแปลงในตำแหน่งกะในระดับการเปลี่ยนแปลงในสัดส่วนและการปรากฏตัวของค่าผิดปกติทั้งหมดจะสามารถตรวจพบจากพล็อตนี้ ตัวอย่างเช่นถ้าทั้งสองชุดข้อมูลมาจากประชากรที่มีการแจกแจงที่แตกต่างกันโดยเฉพาะการเปลี่ยนแปลงในสถานที่จุดที่ควรจะอยู่ตามแนวเส้นตรงที่ย้ายขึ้นหรือลดลงจากเส้นอ้างอิง 45 องศา. พล็อต QQ จะคล้ายกับ พล็อตน่าจะเป็น สำหรับพล็อตน่าจะเป็น quantiles สำหรับหนึ่งในตัวอย่างข้อมูลจะถูกแทนที่ด้วย quantiles ของการกระจายทางทฤษฎี

ผลลัพธ์ (ไทย) 3:

ส่วนควอนไทล์ควอนไทล์ ( ครั้งแรก ) แปลงเป็นเทคนิคกราฟิกเพื่อกำหนดถ้าข้อมูลสองชุดมาจากประชากรที่มีการแจกแจงปกติ
เป็นครั้งแรก พล็อตพล็อตของ quantiles แรกของชุดข้อมูลกับ quantiles ของข้อมูลสองชุด โดยควอนไทล์ที่เราหมายถึงสัดส่วน ( ร้อยละ ) ของจุดด้านล่างระบุค่า ที่เป็น , 03 ( 30 % ) ควอนไทล์ คือ จุดที่ 30 เปอร์เซ็นต์ของข้อมูลที่ตกอยู่ด้านล่าง และ 70% ตกอยู่ข้างต้นว่าค่า

45 องศาเส้นอ้างอิงยังวางแผน ถ้าสองชุดมาจากประชากรที่มีการแจกแจงแบบเดียวกัน คะแนนจะตกประมาณตามเส้นอ้างอิงนี้ มากขึ้นจากเส้นอ้างอิงนี้ยิ่งหลักฐานข้อสรุปว่าสองชุดข้อมูลที่ได้มาจากประชากรที่มีการแจกแจงแบบต่าง ๆ .

ข้อดีของพล็อตครั้งแรก :

ขนาดตัวอย่างไม่ต้องเท่ากัน หลายด้านพร้อมกัน
สุ่มทดสอบ ตัวอย่างเช่น เปลี่ยนสถานที่เปลี่ยนในระดับการเปลี่ยนแปลงในความสมมาตรและการปรากฏตัวของผิดปกติสามารถตรวจพบจากจุดนี้