نمودار چگالی در r

عملکرد چگالی احتمال یک بردار x ، مشخص شده توسط F (x) احتمال متغیر را که مقدار خاصی دارد توصیف می کند. عملکرد چگالی احتمال تجربی یک نسخه صاف از هیستوگرام است. این همچنین به عنوان برآوردگر Parze n-Rosenblatt یا برآوردگر هسته شناخته می شود. شما می توانید در مراحل بسیار ساده ای یک طرح چگالی در R ایجاد کنید که ما در این آموزش به شما نشان خواهیم داد ، بنابراین در پایان خواندن می دانید که چگونه می توانید چگالی را در R یا RSTUDIO ترسیم کنید.

عملکرد چگالی طرح در r

برای ایجاد یک طرح چگالی در R می توانید شیء ایجاد شده را با عملکرد چگالی R ترسیم کنید ، که یک منحنی چگالی را در یک پنجره R جدید ترسیم می کند. همچنین می توانید منحنی چگالی را روی یک هیستوگرام R با عملکرد خطوط پوشش دهید.

نتیجه عملکرد چگالی تجربی است. جایگزینی برای ایجاد عملکرد چگالی احتمال تجربی در R ، عملکرد EPDFPLOT بسته Envstats است. با این عملکرد می توانید بردار عددی را مستقیماً به عنوان یک پارامتر منتقل کنید.

انتخاب پهنای باند چگالی هسته

هنگامی که یک عملکرد چگالی احتمال را در R ترسیم می کنید ، تخمین تراکم هسته را ترسیم می کنید. طرح چگالی هسته یک رویکرد غیر پارامتری است که برای انتخاب پهنای باند نیاز به پهنای باند دارد. می توانید پهنای باند را با آرگومان BW عملکرد چگالی تنظیم کنید.

به طور کلی ، یک پهنای باند بزرگ منحنی چگالی را بیش از حد قرار می دهد ، و یک مورد کوچک تخمین تراکم هسته را در R. در R. در بلوک کد زیر قرار می دهد.

به طور برابر ، می توانید آرگومان های عملکرد چگالی را به EPDFPLOT در یک لیست به عنوان پارامتر آرگومان تراکم. arg. list منتقل کنید. در این حالت ، ما در حال عبور از آرگومان BW عملکرد چگالی هستیم.

ادبیات انتخاب پهنای باند چگالی هسته گسترده است. با این حال ، سه روش اصلی استفاده شده برای انتخاب پارامتر وجود دارد:

1. به طور پیش فرض ، عملکرد چگالی از رویکرد قانون شست استفاده می کند
2. با استفاده از روش افزونه ایجاد شده توسط Sheather and Jones (1991).
3. با استفاده از رویکرد اعتبار سنجی متقاطع.

کد زیر نحوه اجرای هر روش را نشان می دهد:

انتخاب پارامتر پهنای باند به داده هایی که با آنها کار می کنید یا اهداف مطالعه شما بستگی دارد. رویکرد پهنای باند را با دقت انتخاب کنید.

همچنین می توانید هسته را با استدلال هسته تغییر دهید ، که به طور پیش فرض برای گاوسی خواهد بود. اگرچه ما به جزئیات بیشتری نخواهیم رسید ، هسته های موجود "گاوسی" ، "Epanechnikov" ، "مستطیل" ، "مثلثی" ، "Biweight" ، "Cosine" و "Optcosine" هستند. انتخاب به داده های شما بستگی دارددر حال کار با

منحنی های چگالی چندگانه در یک طرح

با عملکرد خطوط می توانید چندین منحنی چگالی را در R. ترسیم کنید. فقط باید چگالی را در R ترسیم کنید و تمام منحنی های جدید مورد نظر خود را اضافه کنید.

با این حال ، ممکن است متوجه شده باشید که منحنی آبی در سمت راست خرد شده است. برای رفع این مشکل ، می توانید استدلال های Xlim و Ylim را به عنوان یک بردار حاوی مقادیر حداقل و حداکثر محور مربوط به تراکم که می خواهید ترسیم کنید ، تنظیم کنید.

هنگام ترسیم چندین خط ، این یک عمل خوب است که محدودیت های محور را با استدلال های Xlim و Ylim از عملکرد نقشه تنظیم کنید ، زیرا محدودیت های طرح به طور پیش فرض به محدوده منحنی اصلی خواهد بود.

نمودار مقایسه چگالی در r

روش های مختلفی برای مقایسه تراکم وجود دارد. یک رویکرد استفاده از عملکرد چگالی بسته بندی اتومبیل است. این عملکرد در صورت مشخص شدن ، برآورد چگالی غیر پارامتری ایجاد می کند. Type؟ Trinsplot برای اطلاعات بیشتر.

جایگزین دیگر استفاده از عملکرد SM. Densal. compare کتابخانه SM است که تراکم را در یک آزمون جابجایی برابری مقایسه می کند.

توجه داشته باشید که نمودارهای چگالی به دلیل روش های محاسبه تراکم متفاوت هستند. برای جزئیات بیشتر ، کتابشناسی هر روش ، موجود در مستندات هر عملکرد را بررسی کنید.

منطقه را در زیر منحنی های چگالی پر کنید

در پایه R می توانید از عملکرد چند ضلعی برای پر کردن ناحیه در زیر منحنی چگالی استفاده کنید. اگر به جای استفاده از یک رنگ طبیعی ، از عملکرد RGB در آرگومان COL استفاده می کنید ، می توانید شفافیت ناحیه طرح چگالی را با آرگومان آلفا تنظیم کنید ، که از 0 به همه شفافیت به 1 می رود ، برای یک رنگ مات.

اگر از بسته EnvStats استفاده می کنید ، می توانید تنظیم رنگ را با آرگومان Curve. fill. col از عملکرد EPDFPLOT اضافه کنید.

همچنین می توانید فقط یک منطقه خاص را در زیر منحنی پر کنید. به عنوان مثال در مثال زیر به شما نشان می دهیم که چگونه منحنی مقادیر x را بیشتر از 0 پر کنید.

نمودار چگالی با ggplot2

می توانید یک طرح چگالی با بسته r ggplot2 ایجاد کنید. برای این منظور ، می توانید از توابع GGPLOT و GEOM_DENCE به شرح زیر استفاده کنید:

اگر می خواهید منحنی های بیشتری اضافه کنید ، می توانید محدودیت های محور X را با عملکرد Xlim تنظیم کرده و یک افسانه را با scale_fill_discrete به شرح زیر اضافه کنید: