Stats : sum et quantile

Visualisation de données intermédiaire avec ggplot2

Rick Scavetta

Founder, Scavetta Academy

Rappel du cours 1

	Cause de surimposition	Solutions
1.	Jeux de données volumineux	Alpha-blending, cercles creux, taille des points
2.	Valeurs alignées sur un seul axe	Comme ci-dessus, plus changer la position
3.	Données peu précises	Position : jitter
4.	Données entières	Position : jitter

Compter pour éviter la surimposition

	Cause de surimposition	Solutions	Ici...
1.	Jeux de données volumineux	Alpha-blending, cercles creux, taille des points
2.	Valeurs alignées sur un seul axe	Comme ci-dessus, plus changer la position
3.	Données peu précises	Position : jitter	`geom_count()`
4.	Données entières	Position : jitter	`geom_count()`

Données peu précises (et entières)

p <- ggplot(iris, aes(Sepal.Length, 
                      Sepal.Width))

p + geom_point()

Le jitter peut induire en erreur

p + geom_jitter(alpha = 0.5,
                width = 0.1,
                height = 0.1)

geom_count()

p + 
  geom_count()

Lien geom/stat

geom_	stat_
`geom_count()`	`stat_sum()`

stat_sum()

p + 
  stat_sum()

La surimposition reste possible

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

geom_quantile()

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

Gérer l’hétéroscédasticité

library(AER)
data(Journals)

p <- ggplot(Journals, 
            aes(log(price/citations), 
                log(subs))) +
  geom_point(alpha = 0.5) +
  labs(...)

p

Utiliser geom_quantile

p +
  geom_quantile(quantiles = 
                c(0.05, 0.50, 0.95))

Lien geom/stat

geom_	stat_
`geom_count()`	`stat_sum()`
`geom_quantile()`	`stat_quantile()`

Prêt pour les exercices !

Visualisation de données intermédiaire avec ggplot2