ecdf应用于数据样本的函数返回一个表示经验累积分布函数的函数。例如：

> X = rnorm(100) # X is a sample of 100 normally distributed random variables
> P = ecdf(X)    # P is a function giving the empirical CDF of X
> P(0.0)         # This returns the empirical CDF at zero (should be close to 0.5)
[1] 0.52
> plot(P)        # Draws a plot of the empirical CDF (see below)

如果您想让一个表示经验 CDF 的对象以特定值（而不是作为函数对象）进行评估，那么您可以这样做

> z = seq(-3, 3, by=0.01) # The values at which we want to evaluate the empirical CDF
> p = P(z)                # p now stores the empirical CDF evaluated at the values in z

请注意，p它最多包含与 相同数量的信息P（并且可能包含更少），而后者又包含与 相同数量的信息X。

您似乎需要的是获得累积分布（在样本上获得值 <= 比 x 的概率）， ecdf 返回您一个函数，但它似乎是为绘图而制作的，因此，该函数的参数，如果它是一个楼梯，将是胎面的索引。

你可以使用这个：

acumulated.distrib= function(sample,x){
    minors= 0
    for(n in sample){
        if(n<=x){
            minors= minors+1
        }
    }
    return (minors/length(sample))
}

mysample = rnorm(100)
acumulated.distrib(mysample,1.21) #1.21 or any other value you want.

遗憾的是，这个功能的使用速度不是很快。我不知道 R 是否有一个函数可以返回一个函数，这样会更有效率。

我总觉得ecdf()有点混乱。另外，我认为它仅适用于单变量情况。最终为此滚动了我自己的函数。

首先安装data.table。然后安装我的包mltools（或者只是将empirical_cdf()方法复制到你的R环境中。）

然后就很简单了

# load packages
library(data.table)
library(mltools)

# Make some data
dt <- data.table(x=c(0.3, 1.3, 1.4, 3.6), y=c(1.2, 1.2, 3.8, 3.9))
dt
     x   y
1: 0.3 1.2
2: 1.3 1.2
3: 1.4 3.8
4: 3.6 3.9

向量的 CDF

empirical_cdf(dt$x, ubounds=seq(1, 4, by=1.0))
   UpperBound N.cum  CDF
1:          1     1 0.25
2:          2     3 0.75
3:          3     3 0.75
4:          4     4 1.00

dt 的“x”列的 CDF

empirical_cdf(dt, ubounds=list(x=seq(1, 4, by=1.0)))
   x N.cum  CDF
1: 1     1 0.25
2: 2     3 0.75
3: 3     3 0.75
4: 4     4 1.00

dt 的“x”和“y”列的 CDF

empirical_cdf(dt, ubounds=list(x=seq(1, 4, by=1.0), y=seq(1, 4, by=1.0)))
    x y N.cum  CDF
 1: 1 1     0 0.00
 2: 1 2     1 0.25
 3: 1 3     1 0.25
 4: 1 4     1 0.25
 5: 2 1     0 0.00
 6: 2 2     2 0.50
 7: 2 3     2 0.50
 8: 2 4     3 0.75
 9: 3 1     0 0.00
10: 3 2     2 0.50
11: 3 3     2 0.50
12: 3 4     3 0.75
13: 4 1     0 0.00
14: 4 2     2 0.50
15: 4 3     2 0.50
16: 4 4     4 1.00

朋友，你可以阅读这个博客上的代码。

sample.data = read.table ('data.txt', header = TRUE, sep = "\t")
cdf <- ggplot (data=sample.data, aes(x=Delay, group =Type, color = Type)) + stat_ecdf()
cdf

更多详细信息可以在以下链接中找到：

r cdf 和直方图