Comment trouver le mode statistique ?

Question

En R, mean() et median() sont des fonctions standard qui font ce que l'on attend d'elles. mode() vous indique le mode de stockage interne de l'objet, et non la valeur qui apparaît le plus souvent dans son argument. Mais existe-t-il une fonction de la bibliothèque standard qui implémente le mode statistique pour un vecteur (ou une liste) ?

Answer 1

Une autre solution, qui fonctionne à la fois pour les données numériques et pour les caractères/facteurs :

Mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

Sur ma toute petite machine, cela peut générer et trouver le mode d'un vecteur de 10M d'entiers en une demi-seconde environ.

Si votre ensemble de données peut avoir plusieurs modes, la solution ci-dessus adopte la même démarche que which.max et renvoie le première apparition valeur de l'ensemble des modes. Pour retourner tous modes, utilisez cette variante (de @digEmAll dans les commentaires) :

Modes <- function(x) {
  ux <- unique(x)
  tab <- tabulate(match(x, ux))
  ux[tab == max(tab)]
}

Answer 2

Il y a un paquet modeest qui fournissent des estimateurs du mode des données univariées unimodales (et parfois multimodales) et des valeurs des modes des distributions de probabilité habituelles.

mySamples <- c(19, 4, 5, 7, 29, 19, 29, 13, 25, 19)

library(modeest)
mlv(mySamples, method = "mfv")

Mode (most likely value): 19 
Bickel's modal skewness: -0.1 
Call: mlv.default(x = mySamples, method = "mfv")

Pour plus d'informations, voir cette page

Answer 3

J'ai trouvé ceci sur la liste de diffusion r, j'espère que c'est utile. C'est aussi ce que je pensais de toute façon. Vous devrez utiliser la fonction table() pour trier les données, puis choisir le premier nom. C'est un peu bricolé mais ça devrait marcher.

names(sort(-table(x)))[1]

Answer 4

Une façon rapide et pratique d'estimer le mode d'un vecteur de nombres que vous pensez provenir d'une distribution univariée continue (par exemple, une distribution normale) consiste à définir et à utiliser la fonction suivante :

estimate_mode <- function(x) {
  d <- density(x)
  d$x[which.max(d$y)]
}

Ensuite, pour obtenir l'estimation du mode :

x <- c(5.8, 5.6, 6.2, 4.1, 4.9, 2.4, 3.9, 1.8, 5.7, 3.2)
estimate_mode(x)
## 5.439788

Answer 5

Ici, une autre solution :

freq <- tapply(mySamples,mySamples,length)
#or freq <- table(mySamples)
as.numeric(names(freq)[which.max(freq)])