如何解决在给定其他几个百分位数的情况下,如何估算某个值的百分位数?
考虑到世界卫生组织发布的关于女孩的长度百分比数据。在某些月份中,这是厘米的长度。例如出生时50%的百分位是49.1厘米。
Month L M S SD P01 P1 P3 P5 P10 P15 P25 P50 P75 P85 P90 P95 P97 P99 P999
0 1 49.1477 0.0379 1.8627 43.4 44.8 45.6 46.1 46.8 47.2 47.9 49.1 50.4 51.1 51.5 52.2 52.7 53.5 54.9
1 1 53.6872 0.0364 1.9542 47.6 49.1 50 50.5 51.2 51.7 52.4 53.7 55 55.7 56.2 56.9 57.4 58.2 59.7
2 1 57.0673 0.03568 2.0362 50.8 52.3 53.2 53.7 54.5 55 55.7 57.1 58.4 59.2 59.7 60.4 60.9 61.8 63.4
3 1 59.8029 0.0352 2.1051 53.3 54.9 55.8 56.3 57.1 57.6 58.4 59.8 61.2 62 62.5 63.3 63.8 64.7 66.3
P01是0.1%,P1是1%,P50是50%。
说,我有一个特定的(可能是分数)月份,比如说2.3个月。 (高度测量将在出生后的某些天进行,您可以将其除以30.4375以得到小数月)
在零零一个月内,我将如何近似估计特定高度的百分位数?也就是说,与其说是“ P50旁边”,不如说是“ P62”
我想到的一种方法是进行线性插值,首先是在所有固定百分比值之间的第2个月到第3个月之间。然后在这些时间插值的P50和P75(或有数据的那两个百分位数)值之间进行线性插值。
我担心的是,因为这是一个钟形曲线,所以中间附近的线性值可能相距太远而无用。
所以我在想,是否有一些公式,例如您可以使用具有固定百分位数值的四边形曲线,然后针对给定的测量在该曲线上获得精确值?
解决方法
我根据两个示例解决了这个问题。第一个是我的大女儿,起初相当长/高。
女孩年龄49天,60厘米 除以30.4375 = 1.61个月
所以在第一个月和第二个月之间:
Month P01 P1 P3 P5 P10 P15 P25 P50 P75 P85 P90 P95 P97 P99 P999
1 47.6 49.1 50 50.5 51.2 51.7 52.4 53.7 55 55.7 56.2 56.9 57.4 58.2 59.7
2 50.8 52.3 53.2 53.7 54.5 55 55.7 57.1 58.4 59.2 59.7 60.4 60.9 61.8 63.4
减去下个月:1.61-1 = 0.61
所以到第二个月的价值是61%。
我会通过线性插值得到一个百分位线
对于每个百分位数,我都可以在月份行的前后插值。
例如对于P01
p1 = 47.6,p2 = 50.8
P01 = p1 *(1.0-0.61)+ p2 *(0.61) P01 = 18.564 + 30.988 = 49,552
Month P01 P1 P3 P5 P10 P15 P25 P50 P75 P85 P90 P95 P97 P99 P999
1 47.6 49.1 50.0 50.5 51.2 51.7 52.4 53.7 55.0 55.7 56.2 56.9 57.4 58.2 59.7
2 50.8 52.3 53.2 53.7 54.5 55.0 55.7 57.1 58.4 59.2 59.7 60.4 60.9 61.8 63.4
1.6 49.552 51.052 51.952 52.452 53.213 53.713 54.413 55.774 57.074 57.835 58.335 59.035 59.535 60.396 61.957
60厘米介于59,535(P97)和60,396(P99)之间。距离下限0.465,远离上限0.396。 0.465是它们之间的距离(0,861)的54%
P =(1-0.54)* 97 + 0.54 * 99 = 44.62 + 53.46 = 98,08 圆形P98结果证明这是一个不好的例子。在极端情况下,百分位数的间距非常近,因此线性插值将得出相似的结果。但是我的问题是中间的线性插值不准确。让我们做一个更好的例子。这次和我的第二个女儿出生后在“路中间”。
女孩年龄119天,60.5厘米除以30.4375 = 3.91个月-因此我们在第3个月和第4个月之间进行插值:
Month P01 P1 P3 P5 P10 P15 P25 P50 P75 P85 P90 P95 P97 P99 P999
3 53.3 54.9 55.8 56.3 57.1 57.6 58.4 59.8 61.2 62.0 62.5 63.3 63.8 64.7 66.3
4 55.4 57.1 58.0 58.5 59.3 59.8 60.6 62.1 63.5 64.3 64.9 65.7 66.2 67.1 68.8
3.91 55.211 56.902 57.802 58.302 59.102 59.602 60.402 61.893 63.293 64.093 64.684 65.484 65.984 66.884 68.575
60.5厘米在60.402(P25)和61.893(P50)之间 距离的0.098 1.491 = 6.6%
P = 25 *(1-0.066)+ 50 * 0.066 = 23.35 + 3.3 = 26.65四舍五入到P27
为了将其与钟形曲线上的近似值进行比较,我使用了online calculator/plotter:
这需要一个平均值和一个标准偏差,我认为我在百分位表的最左列中找到了该值。但是我还需要对3.91个月进行插值:
Month L M S SD
3 1.0 59.8029 0.0352 2.1051
4 1.0 62.0899 0.03486 2.1645
3.91 1.0 61.88407 0.0348906 2.159154
我不知道L和S是什么意思,但是M可能意味着MEAN和SD可能意味着标准偏差。
将它们放入在线绘图仪中……
μ=61.88407σ= 2.159154x = 60.5
在线绘图仪给我的结果是P(X 这与我通过线性插值得出的P27足够远,可以保证采用更精确的方法。 我搜索了一下,偶然发现了great explanation of z-Scores。 Z分数是相对于某个数据点的平均值的标准偏差数。 (x-M)/ SD = -0.651 然后我可以通过咨询z-score table将其转换为百分位数。 垂直查找左侧的-0.6,然后水平查找0.05,我到达 因此,取整也是P26。 这是一种可行的方法,尽管它需要我实现这些z表,以便我可以在应用程序中实现它。我发现Swift package提供了多种统计功能。 “正态分布”的功能描述为 返回给定x,μ和σ值的正态分布。返回的值是值x左侧法线下的面积。 我在第二个示例中进行了尝试,以查看该值在P25和P50之间会得到什么结果: 这似乎与P26非常接近。它不同于z表中的值 对于第一个示例,在P97和P99之间,我们也可以达到P98的舍入距离。
0.25785
let y = Sigma.normalDistribution(x: 60,μ: 55.749061,σ: 2.00422)
// result 0.2607534748851712
0.25785
,但四舍五入为相同的整数百分位数。let y = Sigma.normalDistribution(x: 60,σ: 2.00422)
// result 0.9830388548349042
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。