首先，var5那列既然是gamma分布就肯定不是平均分布，你那个97%，94%是怎么算出来的呢？
再次，我还是真不知道你是什么意思？不就是个分位点么？
按照你的意思，95% 在94%和97%之间，所以95%分位肯定是在11和12之间喽？
我算的不是在11和12之间所以你认为是错的啦。
不过你这样的认为好像是想当然哈。
最后这个不是普通的插值吧，否则用manlab得了

首先，你应该对你要分别处理的数据分组，创建var6用于指示那些数据是同一组的，
然后sort var6就行了，不用去sort var1 var2之类的。
用proc univariate过程分组拟合gamma分布，会返回拟合的alpha、beta参数，
调用gaminv返回你需要的分位数，因为gaminv默认的分布是只有一个参数alpha的gmama分布，没有尺度参数。
所以你得把返回的分位数调整为alpha、beta参数的gamma分位数。

呵呵，那个97%和94%我是为了举例随便说的，并不是计算出来的。
也正如你说的，就是计算分位点上的值。
我是用我的数据进行计算的，并不是帖子上的这些。为了方便讨论，我把用于计算的数据放上来，还有运行的程序和结果。

proc sort data=t nodupkey dupout=dupdata;
by usaf mo da  ;
run;
proc means data=dupdata mean std    ;
class usaf mo da;                                    
    var max;                                                                                                                                          
output out=t1  mean=mean  std=std   ;                                                                                                                          
run;     
data t2;
set t1;
if usaf ne . and mo ne . and da ne . ;  
a=mean/std;
keep usaf mo da a;
run;
data t3;
set t2;
p05=gaminv(0.05,a);
p95=gaminv(0.95,a);
run;

结果：


原数据中，当usaf=10010 mo=1 da=1 时，max排列后最大值是37.4，最小值是1. 从计算结果看p05=0.96   p95=6.71.  如果直接用proc univariate 计算的95%分位数的值是36.9，5%分位数上的是12.2。如果这个计算gamma分布的方法正确，我不太明白为什么会差这么远，希望大侠指点。非常感谢！

用proc univariate 计算结果如下：


以下是用于计算的数据集：t.txt

8# hongxx

感谢hongxx！
我的数据太多，如果分组的话，要分360000组，所以，是不是sort var3 var4 还比较实际点呢（其实我自己也不确定）。
你的意见我正在尝试。可是我是sas菜鸟，如果你能帮忙写成程序，我会感激不尽的，谢谢！

楼主是一个知名大学的博士
很牛叉的

是得好好学习了，这个嘛是有点难度，不过我是对我来说的

版主不要挖苦本人哈！

快点指教我一下……非常苦恼ing

13# redaring
对于xiaosanmao 的程序，我不是很理解。有理论根据吗？
proc UNIVARIATE 的确可是给出gamma拟合的曲线。另外proc lifereg 也可以fit gamma 分布。我也不是很理解楼主的题意。另外如何转化gamma的scale呢？

呃，这么说可能有点不准确，不过我就是想要求类似95百分位上的值，不过是先将数拟合gamma分布，然后再求

*//生产gamma分布随机数，并拟合//;
data gamma;
  seed=1245;
  alpha=1.5;
  beta=2;
  do i=1 to 1000;
   call rangam(seed,alpha,gamma);
   gamma=gamma*beta;
   output;
  end;
run;
proc univariate data=gamma;
  var gamma;
  histogram gamma/gamma (percent=1 5 10  25 50 75 90 95 99);
  output out=fitted  pctlpre=P_ pctlpts=1,5,10,25, 50,95,99;
run;
*//指定percent获得观测值的百分位数 和拟合gamma分布对应的百分位数//;

结果百分位数相当接近。
问题是我找不到把拟合的参数alpha beta输出到数据集中去，或者把拟合percent输出到数据集中去。
哪位来解决吧。

A 服从形状参数alpha，尺度参数beta=1 的分布则，
B=A*5, 服从alpha，beta=5的分布。
广义gamma分布的话还有个k参数，上wikipedia查。

16# hongxx

非常感谢！
好像有点看到曙光了。但是请不要怪我笨，我不太知道这个程序怎么应用到我的数据中去，还望大侠指点一下。

所以我之前建议你分组，到时proc univariate 里by  （分组变量）就行了。
proc univariate data=你的数据集;
  var （变量列表）；
histogram 变量列表；
by （分组变量）；
run;
既然你说你只对满足一定条件的数据做同一组的gamma拟合，那显然分组是必要的。
我很好奇怎么会有360000组，是你有360000个观测吧？
你不是想把 var1 var3 var4 取值相同的做为同一组，然后对var5拟合gamma分布吗？
还没找到如何把拟合的数据、参数输出到数据集里，这样就好多了。

19# hongxx

/*gamma*/
proc univariate data=test.t;
  var max;
  by usaf mo da;
  histogram max/gamma (percent=1 5 10  25 50 75 90 95 99);
   output out=gamma_max  pctlpre=P_ pctlpts=1,5,10,25, 50,95,99;
run;

/*weibull*/
proc univariate data=test.t;
  var max;
  by usaf mo da;
  histogram max/weibull (percent=1 5 10  25 50 75 90 95 99);
   output out=weibull_max  pctlpre=P_ pctlpts=1,5,10,25, 50,95,99;
run;

根据你说，我各做了一个gamma和weibull的，结果发现95%和5%上的值和直接求的百分位的值都是一样的，我不太明白为什么会这样？

因为var1有1000个，相同的var1又有360个不同的var2和var3的组合，这么一来，不就是360*1000组么

我又发现一个问题，如果序列中有负数，则没有办法完成拟合，这个问题怎么解决呢？

21# redaring

The code was based on Hong's.
Not surprisingly, the empirical (observed) percentiles are insensitive to the fitted curves, such as Weibull or Gamma. Clearly, they are nonparametric. However, the estimated percentiles do depend on the distribution you have chosen to fit the model.
For negative values, I just dismiss them. Probably you know those negative values better and can make a transformation.