问题描述
假设我们有以下数据集（长度为24）：
x <- c(30L,49L,105L,115L,118L,148L,178L,185L,196L,210L,236L,278L,287L,329L,362L,366L,399L,430L,434L,451L,477L,488L,508L,531L,533L,542L)
如果我们计算五位数摘要： 最小值是30，最大值：542，中位数：（287 + 329）/ 2 = 308 ...这很容易！
- Q1是子集[30，49,105，.... 287]的中位数，长度为14-> Q1 = [178 + 185] / 2 = 181.5
- Q3“”“” [329,362，...，542] = [451 + 451] / 2 = 451
现在，如果我们使用功能summary(dataset)进行检查...，我们将得到：
Min. 1st Qu. Median Mean 3rd Qu. Max.
30.0 183.2 308.0 309.7 451.0 542.0
为什么我们得到不同的Q1？函数summary如何计算Q1？
解决方法
（至少）有九种方法来计算分位数：请参阅?quantile。对于此数据集，使用9种方法得出6个独特的结果：9个方法中有2个给出的答案为181.5 ...
res <- sapply(1:9,function(t) quantile(x,0.25,type=t))
names(res) <- 1:9
sort(res)
## 1 3 4 6 8 9 2 5
## 178.0000 178.0000 178.0000 179.7500 180.9167 181.0625 181.5000 181.5000
## 7
## 183.2500
R中的默认方法是“类型7”，该类型为183.25（summary中的值以较低的精度打印，因此显示为183.2）。