Яке використання лінії, виробленої qqline () в R?

Функція qqnorm()R виробляє нормальний QQ-графік і qqline()додає лінію, яка проходить через перший і третій чверті. Яке походження цієї лінії? Чи корисно перевірити нормальність? Це не класична лінія (діагональ можливо після лінійного масштабування). $y=x$

Ось приклад. Спочатку я порівняти емпіричну функцію розподілу з теоретичної функцією розподілу : Тепер я побудувати QQ-ділянку з лінією ; цей графік приблизно відповідає (нелінійному) масштабуванню попереднього графіка: Але ось qq-графік з R qqline: Цей останній графік не показує відхилення, як у першому графіку. ${\cal N}(\hat\mu,\hat\sigma^2)$ порівняння сукупних функцій розподілу $y=\hat\mu + \hat\sigma x$ qqnorm разом із лінією "good" qqnorm і qqline

r normal-distribution qq-plot

— Стефан Лоран
джерело

Як ви бачите на малюнку, введіть тут опис зображення

отримані за

> y <- rnorm(2000)*4-4
> qqnorm(y); qqline(y, col = 2,lwd=2,lty=2)

$\mathcal{N}(0,1)$

— Сіань
джерело

Діагональ "після лінійного масштабування" отримується тут шляхом abline (середнє (y), sd (y)). Тут ви моделюєте нормальні дані, отже, ці два рядки близькі. Але іноді дані не близькі до нормального розподілу, але qqplot близький до qqline, але не до діагоналі "після масштабування".

— Stéphane Laurent

... Я додам приклад до свого запитання

— Stéphane Laurent

Я думаю, що це було моїм твердженням, що використовувати квартілі є більш надійним, ніж використання емпіричного середнього та дисперсійного.

— Сіань

Добре, дуже дякую. Тепер це здається очевидним. Рівень qq може бути кращим, оскільки іноді на практиці ненормальність у хвостах є прийнятною. Але реально не потрібно будувати qqline: візуальна перевірка достатня - єдине, що нам потрібно, це зрозуміти QQ-сюжет :)

— Stéphane Laurent

Гаразд - я тегую, але сама відповідь була незадовільною: відповідь разом із нашою дискусією є; але я в цьому винна: моє запитання не було зрозумілим, перш ніж я додавати приклад. До речі, моє запитання дещо пов'язане з KS-тестом: як щодо вибору оцінок

\hat{μ}

$\hat\mu$

\hat{σ}

$\hat\sigma$