Distribusi satu variabel

Analisis Data Eksploratori dengan R

Andrew Bray

Assistant Professor, Reed College

Marginal vs. kondisional

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

`stat_bin()` menggunakan `bins = 30`. Pilih nilai yang lebih baik dengan `binwidth`.
Pesan peringatan:
14 baris dihapus karena nilai non-finit (stat_bin).

ch2_2.003.png

Marginal vs. kondisional

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

`stat_bin()` menggunakan `bins = 30`. Pilih nilai yang lebih baik dengan `binwidth`.
Pesan peringatan:
14 baris dihapus karena nilai non-finit (stat_bin).

ch2_2.006.png

Membangun pipeline data

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

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

Membangun pipeline data

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

Histogram terfilter dan ber-facet

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

`stat_bin()` menggunakan `bins = 30`. Pilih nilai yang lebih baik dengan `binwidth`.

ch2_2.011.png

Lebar bin besar

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

ch2_2.013.png

Plot kepadatan

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

ch2_2.015.png

Bandwidth besar

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

ch2_2.017.png

Ayo berlatih!

Analisis Data Eksploratori dengan R