用对数尺度

我绘制在MatLab的线图与标准偏差使用对数标度的负值处理：用对数尺度

fig = figure; 
errorbar(mean(samples),sqrt(var(samples))); 
ax = get(fig,'CurrentAxes'); 
set(ax,'YScale','log');

然而，在一些样品中，下误差棒是低于0。例如，给出样品s=[11.0147 80.2365 11.6116 11.1837 9.9091]，然后mean=24.7911和std=31.0013，这使得较低的误差棒在-6.2101。由于对数刻度忽略负值，所以误差棒看起来很奇怪。

如何计算不对称误差线？我虽然也许计算std所有值>=mean和所有值<=mean，以便我有不同的上限和下限误差条。这是一种有效的方法吗？

来源

2016-09-30 BlueMoon93

真正的问题是你为什么要用对数标度来绘制可能为负数的东西？如果所有的样本都保证是正的，那么你真的不应该这样绘制误差线，就好像底层分布是高斯一样。（这是假设你是通过绘制误差线1平均值的任一侧的标准偏差得出的）。根据四分位数/范围，您可能会更好地考虑误差线。当然，如果数值*可能*为负数，那么您也可能得到负数均值，在这种情况下，您根本不应该使用对数刻度！ – Dave

所有值都是正值，但在线性范围内看起来不太好。他们从大约100个样本中的1e5到1e-1，然后在700个样本中进行1e-5。它使图表很混乱，因为其中还有两个图。 – BlueMoon93

行 - 你绝对不想使用“高斯”意义上的误差线，因为你的底层概率分布不是对称的。所以，除非你知道（或可以确定）概率分布，那么你应该根据某种形式的四分位数来制作你的误差线。例如，您可以使用5％和95％的分数（低于误差线的样本的5％，高于误差线的5％）。这意味着它们的大小不相等，但这更好地反映了您的数据。不要试图使用标准差，因为它只适用于高斯分布。 – Dave

为了生成5％和95％的误差线，最简单的事情就是对基础数据进行排序。因此，假设您有一组与特定参数相对应的样本，并且它们记录在矩阵样本中，其中一行代表参数x的一个值的实验值。然后这段代码会很容易给你上限和下限值：

ascending=sort(samples,2); 
lower_error_bar=ascending(:,round(size(ascending,2)*0.05)); 
mean=mean(samples,2); 
median=ascending(:,round(size(ascending,2)*0.5)); 
upper_error_bar=ascending(:,round(size(ascending,2)*0.95));

我希望这有助于！

来源

2016-09-30 16:04:50 Dave

回答

相关问题