R分位數函數的行爲

Question

在處理問題時，我注意到一些有趣的事情。我不知道到底發生了什麼，但發生了一些我並不期望發生的事情。這可能是我犯了一個錯誤，但讓我用一個例子開始：

x <- rnorm(100) 
y <- x[ x > quantile(x, 0.1) ] 
z <- x[ x > quantile(x, c(0.1, 0.2)) ] 
a <- x[ x > quantile(x, c(0.1, 0.2, 0.3)) ] 

我們得到三個不同的結果，但如何interprete這些結果。這些是使用的限制嗎？

更新： 我想我問的是錯誤的問題。我們如何解釋以下內容：

> x <- rnorm(100) 
> length(x[ x > quantile(x, 0.1) ]) 
[1] 90 
> length(x[ x > quantile(x, 0.2) ]) 
[1] 80 
> length(x[ x > quantile(x, c(0.1, 0.2)) ]) 
[1] 85 

Answer 1

您對>和R的回收行爲感到困惑。當quantile返回多於1個值（如在最後兩個示例中那樣）時，它將這些矢量回收成與x相同的長度，以便通過>進行矢量化比較。

所以，在最後兩個實施例中，它從quantile一遍一遍重複2倍或3的值，直到所得到的載體是相同的長度x，並將它們與它們逐元素與>。

編輯

也許我的解釋不夠清楚。在編輯的最後一行，x > quantile(x, c(0.1, 0.2)) r是x第一元件與0.1分位數，的x與0.2分位數的第二元件，的x與0.1分位數的第三元件，的x與0.2第四元件比較分位數等。得到它了？ :)