Verdeling van één variabele

Exploratory data-analyse in R

Andrew Bray

Assistant Professor, Reed College

Marginaal vs. conditioneel

ggplot(cars, aes(x = hwy_mpg)) +
  geom_histogram()

`stat_bin()` gebruikt `bins = 30`. Kies een betere waarde met `binwidth`.
Waarschuwing:
14 rijen met niet-eindige waarden verwijderd (stat_bin).

ch2_2.003.png

ggplot(cars, aes(x = hwy_mpg)) +
  geom_histogram() +
  facet_wrap(~pickup)

`stat_bin()` gebruikt `bins = 30`. Kies een betere waarde met `binwidth`.
Waarschuwing:
14 rijen met niet-eindige waarden verwijderd (stat_bin).

ch2_2.006.png

cars2 <- cars %>%
  filter(eng_size < 2.0)

ggplot(cars2, aes(x = hwy_mpg)) +
  geom_histogram()

cars %>%
  filter(eng_size < 2.0) %>%
  ggplot(aes(x = hwy_mpg)) +
  geom_histogram()

cars %>%
  filter(eng_size < 2.0) %>%
  ggplot(aes(x = hwy_mpg)) +
  geom_histogram()

`stat_bin()` gebruikt `bins = 30`. Kies een betere waarde met `binwidth`.

ch2_2.011.png

cars %>%
  filter(eng_size < 2.0) %>%
  ggplot(aes(x = hwy_mpg)) +
  geom_histogram(binwidth = 5)

ch2_2.013.png

cars %>%
  filter(eng_size < 2.0) %>%
  ggplot(aes(x = hwy_mpg)) +
  geom_density()

ch2_2.015.png

cars %>%   
  filter(eng_size < 2.0) %>%
  ggplot(aes(x = hwy_mpg)) +
  geom_density(bw = 5)

ch2_2.017.png

Exploratory data-analyse in R