已知指定累积分布函数时如何用R代码计算分布的百分位数

1. 分位数推导 #

已知该分布的累积分布函数如下：

其数学表达式为：
$$F(x) = 1 - \left(1 - \frac{x}{k_2}\right)^{n_2}, \quad x \in [0, k_2],\ k_2>0,\ n_2>0$$
百分位数$x_p$（对应概率$p \in [0,1]$的分位）满足$F(x_p) = p$，通过代数变形可直接得到解析解：
$$x_p = k_2 \times \left[ 1 - (1-p)^{\frac{1}{n_2}} \right]$$

2. R实现代码 #

2.1 基于解析解的高效实现 #

直接套用推导得到的公式实现，计算效率高、无精度误差：

# 自定义该分布的百分位数计算函数
# 参数说明：
# p: 目标分位对应的概率，取值范围0~1，支持传入向量
# k2: 分布参数k2
# n2: 分布参数n2
calc_dist_quantile <- function(p, k2, n2) {
  # 参数合法性校验
  if (any(p < 0 | p > 1)) {
    stop("分位概率p必须在0到1之间")
  }
  if (k2 <= 0 || n2 <= 0) {
    stop("分布参数k2、n2必须为正数值")
  }
  # 按解析公式计算结果
  res <- k2 * (1 - (1 - p)^(1/n2))
  return(res)
}

# 调用示例：k2=10，n2=5，计算25%、50%、75%分位数
k2_input <- 10
n2_input <- 5
target_p <- c(0.25, 0.5, 0.75)
result <- calc_dist_quantile(p = target_p, k2 = k2_input, n2 = n2_input)
print(result)

2.2 通用数值求解方案（无解析解场景备用） #

如果后续替换为无解析解的复杂CDF，可以用一维求根的方式数值计算分位数：

# 数值法计算分位数函数
calc_dist_quantile_numeric <- function(p, k2, n2) {
  if (p < 0 || p > 1) stop("p取值必须在0~1区间内")
  # 定义求根函数：F(x) - p = 0
  root_func <- function(x) {
    1 - (1 - x/k2)^n2 - p
  }
  # 在定义域[0, k2]内搜索根
  solve_res <- uniroot(root_func, interval = c(0, k2))
  return(solve_res$root)
}

# 调用示例：计算50%分位数
calc_dist_quantile_numeric(p = 0.5, k2 = 10, n2 =5)

内容的提问来源于stack exchange，提问作者william zhang