Рассмотрим следующий код и вывод:
par(mfrow=c(3,2))
# generate random data from weibull distribution
x = rweibull(20, 8, 2)
# Quantile-Quantile Plot for different distributions
qqPlot(x, "log-normal")
qqPlot(x, "normal")
qqPlot(x, "exponential", DB = TRUE)
qqPlot(x, "cauchy")
qqPlot(x, "weibull")
qqPlot(x, "logistic")
Похоже, что график QQ для log-normal почти такой же, как график QQ для weibull. Как мы можем их различить? Также, если точки находятся в пределах области, определенной двумя внешними черными линиями, означает ли это, что они следуют указанному распределению?
library(car)
в свой код, чтобы людям было легче его соблюдать. В общем, вы также можете установить начальное значение (например,set.seed(1)
), чтобы сделать пример воспроизводимым, чтобы каждый мог получить точно такие же данные, которые вы получили, хотя это, вероятно, не так важно здесь.Ответы:
Здесь нужно сказать пару вещей:
источник
Да.
При таком размере выборки вы, скорее всего, не сможете.
Нет. Это только означает, что вы не можете сказать, что распределение данных отличается от этого распределения. Это отсутствие доказательств различия, а не доказательство отсутствия различий.
Вы можете быть почти уверены, что данные взяты из дистрибутива, который не относится ни к одному из рассмотренных вами (почему это будет именно из любого из них?).
источник