Statistici: sum și quantile

Vizualizare intermediară a datelor cu ggplot2

Rick Scavetta

Founder, Scavetta Academy

Recapitulare din cursul 1

	Cauza suprapunerii	Soluții
1.	Seturi de date mari	Transparență, cercuri goale, dimensiunea punctului
2.	Valori aliniate pe o axă	Ca mai sus, plus schimbarea poziției
3.	Date cu precizie scăzută	Poziție: jitter
4.	Date întregi	Poziție: jitter

Reprezentarea numărărilor pentru a reduce suprapunerea

	Cauza suprapunerii	Soluții	Aici...
1.	Seturi de date mari	Transparență, cercuri goale, dimensiunea punctului
2.	Valori aliniate pe o axă	Ca mai sus, plus schimbarea poziției
3.	Date cu precizie scăzută	Poziție: jitter	`geom_count()`
4.	Date întregi	Poziție: jitter	`geom_count()`

Date cu precizie scăzută (și întregi)

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

p + geom_point()

Jittering poate crea impresii greșite

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

geom_count()

p + 
  geom_count()

Conexiunea geom/stat

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

stat_sum()

p + 
  stat_sum()

Suprapunerea punctelor poate fi în continuare o problemă!

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)

Gestionarea heteroscedasticitații

library(AER)
data(Journals)

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

p

Utilizarea geom_quantile

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

Conexiunea geom/stat

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

Pregătit pentru exerciții!

Vizualizare intermediară a datelor cu ggplot2