L'ajout d'intervalles de confiance pour un qq plot?

Est-il un moyen d'ajouter des intervalles de confiance à un qqplot?

J'ai un jeu de données de l'expression des gènes des valeurs, que j'ai visualisé à l'aide de l'APC:

pca1 = prcomp(data, scale. = TRUE)

Je suis maintenant à la recherche de valeurs aberrantes par la vérification de la distribution des données par rapport à la normale de la distribution à travers:

qqnorm(pca1$x,pch = 20, col = c(rep("red", 73), rep("blue", 33)))

qqline(pca1$x)

C'est mes données:

de données = [2.48 104 4.25 219 0.682 0.302 1.09 0.586 90.7 344 13.8 1.17 305 2.8 79.7 3.18 109 0.932 562 0.958 1.87 0.59 114 391 13.5 1.41 208 2.37 166 3.42]

Je voudrais maintenant parcelle 95% des intervalles de confiance à vérifier les points de données se trouvent à l'extérieur. Des conseils sur la façon de faire cela?

  • Si vous voulez vous soustraire à votre distribution de l'échantillon à partir de la distribution normale théorique? Sonne comme ce que vous voulez faire est d'utiliser nls pour s'adapter à vos données à une normale dist fonction et de saisir la confiance de données à partir de la sortie de nls .
  • Vous êtes beaucoup plus susceptibles de recevoir une réponse utile si vous fournissez un minimal et reproductible de la série de données avec le code que vous avez essayé. Merci!
  • J'ai édité mon post initial, avec quelques données. Est-il possible de saisir la confiance de données à partir de la sortie de qqnorm?
  • Merci de lire le lien que j'ai posté et le format de votre échantillon de données en conséquence. Merci.
  • Essayer de couper et coller des données dans le R de la ligne de commande. Ne fonctionne pas. Utilisation dput et d'attribuer à la data <-
  • Je ne pense pas que vous comprenez ce que vous souhaitez demander. Les points de données se dépasser 95% Intervalle de Confiance s'ils se situent en dehors de certaines limites -k*sigma à +k*sigma . QQ plot seulement montre comment l'ensemble de la distribution diffère d'une distribution normale (avec une moyenne spécifiée et sigma). La seule chose que vous pourriez overplot est une sorte de "intervalle de confiance" que vos données sont en effet distribuées normalement, pas les points de données sont des valeurs aberrantes.

InformationsquelleAutor user2846211 | 2013-10-11
  1. 14

    La bibliothèque car fournit la fonction qqPlot(...) qui ajoute un ponctuellement enveloppe de confiance à la normale qq-plot par défaut:

    library(car)
qqPlot(pca1$x)
    InformationsquelleAutor sieste