这里的经典论文是
威尔克,MB和R. Gnanadesikan。1968年。用于数据分析的概率图绘制方法。Biometrika 55:1-17
而且仍能偿还仔细阅读的次数。
由许多很好的例子进行了清醒的治疗
克利夫兰,WS1993。可视化数据。新泽西州峰会:霍巴特出版社。
值得一提的是
克利夫兰,WS1994。图形数据的元素。新泽西州峰会:霍巴特出版社。
包含对该方法有合理了解的其他文本包括
Davison,AC2003。统计模型。剑桥:剑桥大学出版社。
Rice,JA2007。《数学统计和数据分析》。加利福尼亚贝尔蒙特:达克斯伯里。
顺便说一句,我不知道您要问什么。一旦您看到了分位数图的点,详细显示了直方图是第二流的替代品,既没有意思,也没有用,就像在桶中射鱼一样。
但我会这样总结:
装箱会抑制细节,细节通常很重要。这不仅适用于尾部发生的事情,还可以应用于中部发生的事情。例如,粒度或多峰性以及偏度或尾重可能很重要。
装仓需要有关装仓原点和装仓宽度的决策,这可能会严重影响直方图的外观,因此很难看到什么是真实的以及选择的副作用。如果您的软件为您做出这些决定,问题仍然存在。(例如,默认的垃圾箱选择通常是经过设计的,以便您不要使用“太多的垃圾箱”,即,稍微平滑一下。)
比较两个直方图的图形和心理问题比判断一组点与直线的拟合度要难得多。
-均值)/ SD。如果分位数只是阶数统计,那么您要做的就是应用转换,例如,最大值的对数等于对数的最大值,依此类推。(通常,往复会颠倒顺序。)即使您绘制基于两个阶次统计量的选定分位数,通常也只是将它们插值在两个原始数据值之间,并且插值的效果微不足道。相比之下,对数或其他变换比例的直方图需要重新确定仓位的原点和宽度,这并不是特别困难,但这并非无关紧要。可以将密度估计作为概括分布的一种方法。