Dağılımları karşılaştırmak için iyi veri görselleştirme teknikleri nelerdir?

Doktora tezimi yazıyorum ve dağıtımları karşılaştırmak için aşırı derecede kutulara dayandığımı anladım. Bu görevi başarmak için başka hangi alternatifleri seviyorsunuz?

Ayrıca, veri görselleştirmesi konusunda farklı fikirler ile kendime ilham verebileceğim R galeriden başka bir kaynak biliyor musunuz diye sormak istiyorum.

@Gung tarafından önerildiği gibi yorumumu detaylandıracağım. Aynı zamanda @Alexander tarafından önerilen keman grafiğini de ekleyeceğim. Bu araçlardan bazıları ikiden fazla numuneyi karşılaştırmak için kullanılabilir.

# Required packages

library(sn)
library(aplpack)
library(vioplot)
library(moments)
library(beanplot)

# Simulate from a normal and skew-normal distributions
x = rnorm(250,0,1)
y = rsn(250,0,1,5)

# Separated histograms
hist(x)
hist(y)

# Combined histograms
hist(x, xlim=c(-4,4),ylim=c(0,1), col="red",probability=T)
hist(y, add=T, col="blue",probability=T)

# Boxplots
boxplot(x,y)

# Separated smoothed densities
plot(density(x))
plot(density(y))

# Combined smoothed densities
plot(density(x),type="l",col="red",ylim=c(0,1),xlim=c(-4,4))
points(density(y),type="l",col="blue")

# Stem-and-leaf plots
stem(x)
stem(y)

# Back-to-back stem-and-leaf plots
stem.leaf.backback(x,y)

# Violin plot (suggested by Alexander)
vioplot(x,y)

# QQ-plot
qqplot(x,y,xlim=c(-4,4),ylim=c(-4,4))
qqline(x,y,col="red")

# Kolmogorov-Smirnov test
ks.test(x,y)

# six-numbers summary
summary(x)
summary(y)

# moment-based summary
c(mean(x),var(x),skewness(x),kurtosis(x))
c(mean(y),var(y),skewness(y),kurtosis(y))

# Empirical ROC curve
xx = c(-Inf, sort(unique(c(x,y))), Inf)
sens = sapply(xx, function(t){mean(x >= t)})
spec = sapply(xx, function(t){mean(y < t)})

plot(0, 0, xlim = c(0, 1), ylim = c(0, 1), type = 'l')
segments(0, 0, 1, 1, col = 1)
lines(1 - spec, sens, type = 'l', col = 2, lwd = 1)

# Beanplots
beanplot(x,y)

# Empirical CDF
plot(ecdf(x))
lines(ecdf(y))

Umarım bu yardımcı olur.

Önerilerinizi biraz daha inceledikten sonra, @Procastinator'ın cevabını tamamlamak için bu tür bir komplo buldum. 'Arı sürüsü' olarak adlandırılır ve scatter arsa ile aynı ayrıntı seviyesine sahip keman arsalı ile bir arsa karışımıdır.

arındırma R paketi

Bir not:

Verilerinizle ilgili soruları cevaplamak ve görselleştirme yönteminin kendisi hakkında soru oluşturmak istemiyorsunuz. Sık sık, sıkıcı iyidir. Karşılaştırmaların karşılaştırılmasını da kavramalarını kolaylaştırır.

Bir cevap:

R'nin temel paketinin ötesinde basit biçimlendirmeye duyulan ihtiyaç muhtemelen Hadley'in ggplot paketinin R'deki popülaritesini açıklıyor.

library(sn)
library(ggplot2)

# Simulate from a normal and skew-normal distributions
x = rnorm(250,0,1)
y = rsn(250,0,1,5)


##============================================================================
## I put the data into a data frame for ease of use
##============================================================================

dat = data.frame(x,y=y[1:250]) ## y[1:250] is used to remove attributes of y
str(dat)
dat = stack(dat)
str(dat)

##============================================================================
## Density plots with ggplot2
##============================================================================
ggplot(dat, 
     aes(x=values, fill=ind, y=..scaled..)) +
        geom_density() +
        opts(title = "Some Example Densities") +
        opts(plot.title = theme_text(size = 20, colour = "Black"))

ggplot(dat, 
     aes(x=values, fill=ind, y=..scaled..)) +
        geom_density() +
        facet_grid(ind ~ .) +
        opts(title = "Some Example Densities \n Faceted") +
        opts(plot.title = theme_text(size = 20, colour = "Black"))

ggplot(dat, 
     aes(x=values, fill=ind)) +
        geom_density() +
        facet_grid(ind ~ .) +
        opts(title = "Some Densities \n This time without \"scaled\" ") +
        opts(plot.title = theme_text(size = 20, colour = "Black"))

##----------------------------------------------------------------------------
## You can do histograms in ggplot2 as well...
## but I don't think that you can get all the good stats 
## in a table, as with hist
## e.g. stats = hist(x)
##----------------------------------------------------------------------------
ggplot(dat, 
     aes(x=values, fill=ind)) +
        geom_histogram(binwidth=.1) +
        facet_grid(ind ~ .) +
        opts(title = "Some Example Histograms \n Faceted") +
        opts(plot.title = theme_text(size = 20, colour = "Black"))

## Note, I put in code to mimic the default "30 bins" setting
ggplot(dat, 
     aes(x=values, fill=ind)) +
        geom_histogram(binwidth=diff(range(dat$values))/30) +
        opts(title = "Some Example Histograms") +
        opts(plot.title = theme_text(size = 20, colour = "Black"))

Sonunda, basit bir arka plan eklemenin yardımcı olduğunu buldum. Bu yüzden panel.first tarafından çağrılabilecek "bgfun" yazdım.

bgfun = function (color="honeydew2", linecolor="grey45", addgridlines=TRUE) {
    tmp = par("usr")
    rect(tmp[1], tmp[3], tmp[2], tmp[4], col = color)
    if (addgridlines) {
        ylimits = par()$usr[c(3, 4)]
        abline(h = pretty(ylimits, 10), lty = 2, col = linecolor)
    }
}
plot(rnorm(100), panel.first=bgfun())

## Plot with original example data
op = par(mfcol=c(2,1))
hist(x, panel.first=bgfun(), col='antiquewhite1', main='Bases belonging to us')
hist(y, panel.first=bgfun(color='darkolivegreen2'), 
    col='antiquewhite2', main='Bases not belonging to us')
mtext( 'all your base are belong to us', 1, 4)
par(op)

İşte R ve ABD eyaleti suç verilerini kullanan Nathan Yau'nun Akan Veri blogundan güzel bir ders . Gösteriyor:

• Box-and-Whisker Plots (kullanımda olan)
• histogramlar
• Çekirdek Yoğunluğu Grafikleri
• Halı Sahaları
• Keman Arazileri
• Fasulye Tarlaları (ortada bir halıya sahip bir kutu arsa, yoğunluk arsa, garip bir combo).

Son zamanlarda kendimi CDF'leri histogramlardan çok daha fazla çizerim.

Göreceli dağılım: Özellikle daha iyi bilinmesi gereken dağılımları karşılaştırmak için bir kavram var.

$Y_0, Y$$F_0, F$$F_0$

Bir örneğe bakalım. Http://www.math.hope.edu/swanson/data/cellphone.txt web sitesi , erkek ve kız öğrencilerin son telefon görüşmesinin uzunluğu hakkında veri vermektedir. Erkek öğrenciler için telefon uzunluğu dağılımını, kadın öğrencilerle birlikte referans olarak verelim.

$x$$T$

Aynı arsayı bağıl yoğunluk eğrisi etrafındaki noktalara dayalı güven aralıklarıyla da yapabiliriz:

Bu durumda geniş güven bantları küçük örneklem büyüklüğünü yansıtmaktadır.

Bu yöntem hakkında bir kitap var: Handcock

Arsa için R kodu burada:

phone <-  read.table(file="phone.txt", header=TRUE)
library(reldist)
men  <-  phone[, 1]
women <-  phone[, 3]
reldist(men, women)
title("length of mens last phonecall with women as reference")

Son arsa değişikliği için:

reldist(men, women, ci=TRUE)
title("length of mens last phonecall with women as reference\nwith pointwise confidence interval (95%)")

Alanların, çekirdek yoğunluğu tahmini kullanılarak, gcv (genelleştirilmiş çapraz doğrulama) ile seçilen düzgünlük derecesi ile üretildiğine dikkat edin.

$Q_0$$F_0$$r$$R$$y_r$

Sadece yoğunlukları tahmin etmeyi ve onları çizmeyi seviyorum.

head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

library(ggplot2)
ggplot(data = iris) + geom_density(aes(x = Sepal.Length, color = Species, fill = Species), alpha = .2)