R语言 绘制Z-core

R支持强大的工具来根据给定的p值绘制z分数。因此，要了解z分数，我们应该知道p值。p值和z分数被称为统计参数，用于进行统计计算。

p值 是获得至少与观察结果一样极端的结果的概率。就像概率一样，p值介于0和1之间。如果一项研究的 “无 “假设为真，那么p值或计算出的概率就是发现更极端结果的概率。

z-score 描述了一个数值与群体数值的平均值的关系。让我们举一个例子来正确理解z-score的概念。

考虑一个由25名学生组成的班级的情况。考试结束后，全班的平均分是45分。如果我们想知道一个在考试中获得75分的人是否在10%的得分者之列。开始时，这似乎是一个非常繁琐的计算。但是通过了解Z-scores的概念，它可以变得相当容易。

z-score的计算公式

• 标准差意味着结果离平均值有多远。
• 现在，Z分数为1，表示观察结果离中心有一个标准差的距离。
• 同样地，Z分数为-1表示观察值离中心有一个标准差。

方法1：Naive方法

方法

• 创建一个向量并为其分配各种数值。
• 使用函数mean()找到该向量的平均值。
• 用函数sd()求出标准差。
• 从观察值中减去平均值，并将结果与标准差相除。
• 得到的向量将具有所需的Z-score值。
• 现在只需将其绘制出来。

例1 :

# create vector
a <- c(9, 10, 12, 14, 5, 8, 9)
 
# find mean
mean(a)
 
# find standard deviation
sd(a)
 
# calculate z
a.z <- (a - mean(a)) / sd(a)
 
# plot z-score
plot(a.z, type="o", col="green")

输出

例2 :

# create vector
a <- c(7, 9, 2, 4, 25, 18, 19)
 
# find mean
mean(a)
 
# find standard deviation
sd(a)
 
# calculate z-score
a.z <- (a - mean(a)) / sd(a)
 
# plot z-score
plot(a.z, type="o", col="green")

输出

方法2：使用qnorm()

如果我们得到一个p值，而我们的值是0.70，那么这意味着它将是一个点，在这个点以下有80%的观察值，20%的观察值位于它之上。在给定p值的情况下，寻找z分数的最简单方法是使用qnorm()函数。它将p值作为参数，并将z分数作为输出。

语法

qnorm(p-value)

方法

• 用所需的p值调用qnorm()函数
• 用得到的值绘制z-core图

例子:

set <- qnorm(0.75)
 
plot(set, type="o", col="green")

输出