Természetesen, miért ne?
Íme egy példa (egy tucat közül az egyiket találtam egy egyszerű Google kereséssel):
(A kép forrása a mérhető használhatósági blog, itt.)
Láttam már átlagértéket, plusz vagy mínusz szórást, különféle kvantilisokat (például medián, kvartilis, 10.) és 90. percentilisek). Mindegyik különféle módon jelenik meg.
Ahelyett, hogy egyeneset rajzolna a diagramra, az alján láthatja az információkat - például:
Van egy példa (az egyik a sok közül), ahol egy boxplot van fent, nem pedig alul, itt.
Az emberek néha megjelölnek az adatokban:
(Az adatok helyét kissé megrázkódtam, mert az értékeket egész számokra kerekítettük, és nem látta a relatív értéket. jól.)
Van ilyen példa, a Statában, ezen az oldalon (lásd a harmadik itt)
A hisztogramok jobbak egy kis extra információval - önmagukban is megtévesztőek lehetnek
Csak arra kell ügyelnie, hogy elmagyarázza, miből áll a cselekménye! (Jobb címet és x-tengelyes címkét szeretne, mint amit itt használtam, kezdőknek. Plusz magyarázat egy képaláírással, amely elmagyarázza, mit jelölt meg rajta.)
-
Egy utolsó cselekmény:
-
A terveimet az R-ben generálják.
Szerkesztés:
Ahogy @gung sejtette, a abline (v = mean ...
-ot használták az átlagvonal rajzolásához a grafikonon, a rug
pedig a rajzoláshoz az adatértékek (bár valójában a rug (jitter (...
-t használtam, mert az adatokat egész számokra kerekítettük) használtam.
Íme egy módszer arra, hogy a hisztogram és a a tengely:
hist (Davis2 [, 2], n = 30) boxplot (Davis2 [, 2], add = IGAZ, vízszintes = IGAZ, = -0,75, szegély = "sötét ", boxwex = 1.5, outline = FALSE)
Nem fogom felsorolni, hogy mire van szükség, de ellenőrizheti az argumentumokat a súgóban (? boxplot
), hogy megtudja, mire valók, és saját maga játszhat velük.
Ez azonban nem általános megoldás - nem garantálom, hogy mindig ugyanolyan jól fog működni, mint itt (megjegyzés: a at
és a boxwex
opciókat már megváltoztattam *). Ha nem intelligens függvényt írsz, hogy mindenről gondoskodhasson, akkor oda kell figyelni, hogy mi minden történik, hogy megbizonyosodjon arról, hogy azt csinálja, amit szeretnél.
Így hozhatod létre az általam használt adatokat (I megpróbálta bemutatni, hogy Theil regresszió valóban képes volt kezelni több befolyásos kiugrást). Csak olyan adatok voltak, amelyekkel játszottam, amikor először válaszoltam erre a kérdésre.
library ("car") add <- data.frame (sex = c ("F", "F "), súly = c (150 130), magasság = c (NA, NA), repwt = c (55,50), repht = c (NA, NA)) Davis2 <- rbind (Davis, add)
* - a at
megfelelő értéke -0,5-szerese a boxwex
értékének; ez jó alapértelmezés, ha egy függvényt írsz rá; A boxwex
-ot úgy kell méretezni, hogy az összefüggjen a boxplot y-skálájával (magassága); Azt javaslom, hogy a felső y-határ 0,04–0,05-szöröse gyakran rendben lehet.
A marginális sávdiagram kódja:
hist (Davis2 [, 2], n = 30) szalagtábla (jitter (Davis2 [, 2], mennyiség =, 5), módszer = "jitter", jitter =, 5, pch = 16, cex =, 05, add = IGAZ, = -. 75, col = 'lila3')