我试图用R重新创建以下图。Minitab将其描述为正态概率图。
probplot将带您到达那里。不幸的是，我无法弄清楚如何在该图周围添加置信区间带。
类似地，ggplot的stat_qq()似乎通过转换的x轴显示了类似的信息。似乎geom_smooth()是添加乐队的可能候选者，但我还没有弄清楚。
最后，《 Getting Genetics Done》家伙描述了类似的here.
样本数据以重新创建上面的图:
x <- c(40.2, 43.1, 45.5, 44.5, 39.5, 38.5, 40.2, 41.0, 41.6, 43.1, 44.9, 42.8)
如果任何人都有基本图形或ggplot的解决方案，我将不胜感激!
编辑
查看
probplot的详细信息之后，我确定这是它如何在图形上生成拟合线:> xl <- quantile(x, c(0.25, 0.75))
> yl <- qnorm(c(0.25, 0.75))
> slope <- diff(yl)/diff(xl)
> int <- yl[1] - slope * xl[1]
> slope
75%
0.4151
> int
75%
-17.36
实际上，将这些结果与从先验对象中得到的结果进行比较似乎比较好:
> check <- probplot(x)
> str(check)
List of 3
$ qdist:function (p)
$ int : Named num -17.4
..- attr(*, "names")= chr "75%"
$ slope: Named num 0.415
..- attr(*, "names")= chr "75%"
- attr(*, "class")= chr "probplot"
>
但是，将此信息合并到ggplot2或基本图形中不会产生相同的结果。
probplot(x)
相对:
ggplot(data = df, aes(x = x, y = y)) + geom_point() + geom_abline(intercept = int, slope = slope)
使用R的基本图形可以获得类似的结果
plot(df$x, df$y)
abline(int, slope, col = "red")
最后，我了解到图例的最后两行引用了Anderson-Darling测试的正态性，并且可以使用
nortest包进行复制。> ad.test(x)
Anderson-Darling normality test
data: x
A = 0.2303, p-value = 0.7502
最佳答案
也许这将是您可以建立的基础。默认情况下，stat_smooth()使用级别= 0.95。
df <- data.frame(sort(x), ppoints(x))
colnames(df) <- c("x","y")
ggplot(df, aes(x,y)) +
geom_point() +
stat_smooth() +
scale_y_continuous(limits=c(0,1),breaks=seq(from=0.05,to=1,by=0.05), formatter="percent")