深奥！

谢谢您的提醒，已经在最后加了解释和说明。

为楼主

和楼主一起学习。
y=quantile(..,seq(0,1,0.01), 进行了一次Y模拟,Y的长度变为100.
x=qnorm(),p分布由0到1，会出现 -+INF,长度100。
x,y都是由小到大排序，-INF 对应着Y最小，+INF对应着Y最大。
数据长度变为100，plot图时，丢掉最大和最小值。


看了下 qqnorm代码
methods(qqnorm)
qqnorm.default

y数据没有变动。
x利用p=ppoints(length(y)) #提取y长度，进行类似quantile,趋于（0,1）p=(1L:n - a)/(n + 1 - 2 * a)  n=length(y),a=3/8 谁能解释下这个p?什么公式原理？
#   来确定qnorm()中的分布。
y,x 通过x=qnorm(p)[order( order(y))] 排序建立关系。
plot时，y是真实的数据，可以看到x轴标准差的分布情况。
做直线时，倒是利用quantile(y,c(0.25.0.75)和 qnorm(c(0.25,0.75))两点确定直线和 楼主的判断思路一致。

不错，我的做法确实少了两个极端值，但因为数据为大样本，应该并不影响对分布的判断。

“做直线时，倒是利用quantile(y,c(0.25.0.75)和 qnorm(c(0.25,0.75))两点确定直线和 楼主的判断思路一致。”
我认为这是我与R不一样的地方。R是两点确定一条直线，用的是两上四分位点。
我的理解是：如果分布相同，则所有分位点在理论上应该相等，故在截距为0斜率为1的直线上，即y=x线上，这就是红色的参考线。
我感觉从理论上来说我的理解是对的。
谢谢您的参与，问好！