如何在R中利用累积频率分布计算百分位数与百分位排名？

问题说明 #

需要基于给定的累积频率分布表（ftable）完成两个任务：

1. 计算P50、P25百分位数
2. 计算分数41、28的百分位排名

之前的尝试代码存在逻辑错误：直接对累积频数列用quantile函数、用原始数据索引匹配分组数据的排名，这些方法都不符合分组数据的统计计算规则。

一、计算百分位数（P25、P50） #

分组数据的百分位数计算公式为：
[ P_k = L + \frac{\frac{k}{100}N - F}{f} \times w ]
参数说明：

• ( L )：目标百分位数所在组的下限
• ( N )：总频数（此处为78）
• ( F )：目标组前一组的累积频数
• ( f )：目标组的频数
• ( w )：组距（此处所有组距均为5）

手动计算示例 #

1. P25计算
   找到累积百分比首次≥25的组：(15,20]组（累积百分比39.74），代入公式：
   [ P25 = 15 + \frac{\frac{25}{100} \times78 -14}{17} \times5 ≈ 16.62 ]

2. P50计算
   找到累积百分比首次≥50的组：(20,25]组（累积百分比58.97），代入公式：
   [ P50 =20 + \frac{\frac{50}{100}\times78 -31}{15}\times5≈22.67 ]

R代码实现 #

# 先提取分组的上下限与组距
ftable$lower <- as.numeric(sub("\\((.*),.*\\]", "\\1", ftable$class.int))
ftable$upper <- as.numeric(sub(".*,(.*)\\]", "\\1", ftable$class.int))
ftable$width <- ftable$upper - ftable$lower

total_n <- max(ftable$cum.freq)

# 计算P25
p25_target <- 0.25 * total_n
p25_group_idx <- which(ftable$cum.freq >= p25_target)[1]
p25 <- ftable$lower[p25_group_idx] + 
  ((p25_target - ifelse(p25_group_idx==1, 0, ftable$cum.freq[p25_group_idx-1])) / 
     ftable$freq[p25_group_idx]) * ftable$width[p25_group_idx]

# 计算P50
p50_target <- 0.5 * total_n
p50_group_idx <- which(ftable$cum.freq >= p50_target)[1]
p50 <- ftable$lower[p50_group_idx] + 
  ((p50_target - ifelse(p50_group_idx==1, 0, ftable$cum.freq[p50_group_idx-1])) / 
     ftable$freq[p50_group_idx]) * ftable$width[p50_group_idx]

cat("P25:", round(p25,2), "\n")
cat("P50:", round(p50,2), "\n")

二、计算百分位排名 #

分组数据的百分位排名计算公式（针对分数X）：
[ \text{百分位排名} = \frac{F + \frac{X - L}{w} \times f}{N} \times 100 ]
参数说明：

• ( F )：X所在组前一组的累积频数
• ( L )：X所在组的下限
• ( w )：组距
• ( f )：X所在组的频数
• ( N )：总频数

手动计算示例 #

1. 分数41的百分位排名
   41属于(40,45]组，代入公式：
   [ \text{排名} = \frac{68 + \frac{41-40}{5}\times4}{78} \times100≈88.21 ]

2. 分数28的百分位排名
   28属于(25,30]组，代入公式：
   [ \text{排名} = \frac{46 + \frac{28-25}{5}\times11}{78} \times100≈67.44 ]

R代码实现 #

# 定义计算百分位排名的函数
get_percentile_rank <- function(score, ftable) {
  total_n <- max(ftable$cum.freq)
  # 定位分数所在的组
  group_idx <- which(score > ftable$lower & score <= ftable$upper)
  if(length(group_idx)==0) stop("分数不在任何分组区间内")
  
  L <- ftable$lower[group_idx]
  F <- ifelse(group_idx ==1, 0, ftable$cum.freq[group_idx-1])
  f <- ftable$freq[group_idx]
  w <- ftable$width[group_idx]
  
  rank <- ((F + ((score - L)/w)*f)/total_n)*100
  return(round(rank,2))
}

# 计算目标分数的排名
rank_41 <- get_percentile_rank(41, ftable)
rank_28 <- get_percentile_rank(28, ftable)

cat("分数41的百分位排名:", rank_41, "\n")
cat("分数28的百分位排名:", rank_28, "\n")

内容的提问来源于stack exchange，提问作者Pawan Singh