新手求助，如何做样本数据的经验概率密度分布

shiyiming

各位好，
    我以前一直是用matlab的，最近在一家公司上班，公司里面用的是sas，本来以为sas很好学，但是发现自己老是跳不出matlab的圈子。
    刚好手上要一批数据，要研究他的经验概率分布，一周下来，还是没有作出来。
    现在的主要问题是要根据我自己规定的区间（对数等分，如：10.^[0:0.1:7] ）来做概率分布，
    主要想法是这样的
    (1) 确定一组向量，如：x = 10.^[0:0.1:7];
       (2) 循环：找出原始数据中，在各个区间[ x(i) x(i+1) )的个数,
       (3) 在做概率分布，画图，图要双对数坐标。
    我现在觉得sas太难了，心里又很急。刚上班。
希望高手指点一下，先谢过了。。

shiyiming

data qujian(keep=q);
do i=0 to 7 by 0.1;
q=10**i;output;
end;
run;
data shuju;
    retain _seed_ 0;
    a=1;
    b=10000000;
    do _i_ = 1 to 100000;
uniform1 = a + (b-a) * ranuni(_seed_);
output;
end;
drop  _seed_  _i_ a b;
run;
proc sort data=shuju;
by uniform1;
run;
proc sql;
create table raw as
select q , count(*)
from qujian
inner join shuju
on q>=uniform1
group by q;
quit;
data end;
merge raw qujian;
by q;
run;
data finish;
set end;
rename _TEMG001=num;
if _TEMG001=. then _TEMG001=0;
run;
data finish;
set finish;
num2=num-lag(num);
keep num2 q;
run;
data finish;
set finish;
y=log(num2);x=log(q);
run;
goptions i=join;color=blue;
proc gplot data=finish;
plot y*x;
run;
您的问题中有一个问题，如果数据超出范围或者刚好在那一个点上时会有问题，我写了上面的一段代码，区间用循环生成
数据用均匀分布生成，然后用sql语句计算小于等于区间的个数，然后再将相邻的个数相减得到区间中的数字，这个办法比较笨
效率太低，如果有人能写成用data语句的执行会比较快，我不太懂双对数坐标是什么，我就取了对数然后画图。不知道，对不对
，

shiyiming

规定的区间大小对最后得到的经验概率分布影响很大，关于这个区间的大小，有一个专用的术语，叫binwidth，有一些研究是针对如何选取最优的binwidth（在某种意义下），不知道现在回复你晚不晚，建议你看一下wand的‘data based choice of histogram bin width’，另外你也可以使用核估计来得到经验概率密度。PS：R里面有直接做这两个东西的函数，sas里好像只有核估计。