朱莉娅相当于R的qnorm（）？

Question

我试图将这些行从R翻译成Julia：

n <- 100
mean <- 0
sd <- 1
x <- qnorm(seq(1 / n, 1 - 1 / n, length.out = n), mean, sd)

但是，我在使用qnorm函数时遇到了麻烦。我搜索了“分位数函数”并找到了quantile()函数。但是，R的版本返回长度为100的向量，而Julia的版本返回长度为5的向量。

这是我的尝试：

import Distributions
n = 100
x = Distributions.quantile(collect(range(1/n, stop=1-1/n, length=n))) 

Answer 1

在Julia 1.1下你应该像这样广播对quantile的调用：

quantile.(Normal(0, 1), range(1/n, 1-1/n, length = n))

Answer 2

尝试

using Distributions
n = 100
qs = range(1/n, stop=1-1/n, length=n) # no need to collect it
d = Normal() # default is mean = 0, std = 1
result = [quantile(d, q) for q in qs]

Julia使用多个调度为给定的分布选择合适的quantile方法，与R似乎有前缀的R相对应。根据documentation，第一个参数应该是分布，第二个参数是你要评估逆cdf的点。

奇怪的是，当我尝试做quantile.(d, qs)（广播分位数调用）时，我收到错误。更新：在这种情况下，请参阅Bogumil的答案。在我的基准测试中，两种方法都具有相同的速度。