Statistik: sum dan quantile

Visualisasi Data Tingkat Menengah dengan ggplot2

Rick Scavetta

Founder, Scavetta Academy

Ulasan dari kursus 1

	Penyebab over-plotting	Solusi
1.	Dataset besar	Alpha blending, lingkaran kosong, ukuran titik
2.	Nilai sejajar pada satu sumbu	Seperti di atas, plus ubah posisi
3.	Data berpresisi rendah	Posisi: jitter
4.	Data bilangan bulat	Posisi: jitter

Plot jumlah untuk atasi over-plotting

	Penyebab over-plotting	Solusi	Di sini...
1.	Dataset besar	Alpha blending, lingkaran kosong, ukuran titik
2.	Nilai sejajar pada satu sumbu	Seperti di atas, plus ubah posisi
3.	Data berpresisi rendah	Posisi: jitter	`geom_count()`
4.	Data bilangan bulat	Posisi: jitter	`geom_count()`

Data presisi rendah (& bilangan bulat)

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

p + geom_point()

Jitter bisa memberi kesan keliru

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

geom_count()

p + 
  geom_count()

Kaitan geom/stat

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

stat_sum()

p + 
  stat_sum()

Over-plotting tetap bisa jadi masalah!

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)

Mengatasi heteroskedastisitas

library(AER)
data(Journals)

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

p

Menggunakan geom_quantile

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

Kaitan geom/stat

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

Siap untuk latihan!

Visualisasi Data Tingkat Menengah dengan ggplot2