O que esse borrão ao redor da linha significa neste gráfico?

Eu estava brincando com o ggplot2 usando os seguintes comandos para ajustar uma linha aos meus dados:

ggplot(data=datNorm, aes(x=Num, y=Val)) + geom_point() + 
stat_summary(fun.data = "mean_cl_boot", geom="errorbar", colour="red", width=0.8) + 
stat_sum_single(median) + 
stat_sum_single(mean, colour="blue") + 
geom_smooth(level = 0.95, aes(group=1), method="lm")

Os pontos vermelhos são valores medianos, o azul é a média e as linhas vermelhas verticais mostram as barras de erro. Como passo final, eu costumava geom_smoothajustar uma linha usando suavização linear method="lm". Junto com a linha, uma sombra opaca foi gerada também ao redor da linha. Enquanto eu descobri como removê-lo da documentação, a opção que usei para desativá-lo é:

se: display confidence interval around smooth?

Alguém pode me dizer o que eu devo entender da sombra ao redor da linha? Especificamente, estou tentando entender como interpretá-lo. Talvez deva ser adequado para a linha, mas qualquer informação extra poderia ser muito útil para mim. Alguma sugestão?

insira a descrição da imagem aqui

— lenda
fonte

Eu suspeito que isso significa muito pouco na sua figura real; você desenhou uma forma de tira / gráfico. Mas como não temos dados ou exemplo reproduzível, descreverei apenas o que essas linhas / regiões mostram em geral.

Em geral, a linha é o modelo linear ajustado que descreve a relação A banda sombreada é um intervalo de confiança de 95% nos valores ajustados (a linha ) Esse intervalo de confiança contém a linha de regressão verdadeira, populacional e com probabilidade de 0,95. Ou, em outras palavras, há 95% de confiança de que a verdadeira linha de regressão está dentro da região sombreada. Isso nos mostra a incerteza inerente à nossa estimativa da verdadeira relação entre sua resposta e a variável preditora.

\hat{v uma eu} = β_{0 0} + β_{1} N você m

$\widehat{\mathrm{val}} = \beta_0 + \beta_1 \mathrm{Num}$

— Gavin Simpson
fonte

Obrigado pela sua resposta e tempo. Passarei algum tempo entendendo o seu primeiro comentário sobre por que isso significa pouco no meu gráfico. Em vez de desenhar um gráfico de barras com a média, desenhei um gráfico de tira para ter uma idéia de quantos pontos foram usados também. Mas, por favor, corrija-me se eu estiver enganado. Minha última pergunta seria se existe uma relação entre esse intervalo de confiança de 95% e o intervalo de confiança de 95% mostrado pelas barras de erro. Especificamente, o que significa que a linha ajustada esteja acima ou abaixo das barras de erro? Ou são totalmente independentes e devem ser interpretados separadamente?

— Legenda

Se a variável x for categórica, pode não fazer sentido tratá-lo como um termo linear de 1 grau de liberdade, que é como foi tratado no cálculo da linha ajustada. Além disso, seus dados não parecem exibir a suposição de variação constante para os resíduos do modelo. O stripchart não é o problema, é se a regressão desses dados faz sentido. A linha ajustada estará próxima (ou pode ser que alguém possa me corrigir) da melhor linha de ajuste através dos meios do grupo.

— Gavin Simpson

Muito obrigado pela sua compreensão. Vou ler mais sobre a suposição de variância constante para resíduos.

— Legenda

Hummm. Não tenho certeza absoluta de que sua explicação está correta - o padrão é desenhar um intervalo de confiança de 95% no sentido dos pontos . Não acho que seja exatamente a mesma coisa que dizer que há uma chance de 95% de que a verdadeira linha de regressão esteja na região sombreada.

— hadley

@hadley bate na cabeça sim, isso seria um intervalo de confiança simultâneo. Atualizará.

— Gavin Simpson