Perguntas com a marcação «ggplot2»

Quero visualizar os resultados de um agrupamento (produzido com protoclust{protoclust}) criando gráficos de dispersão para cada par de variáveis ​​usadas para classificar meus dados, colorindo por classes e sobrepondo as elipses para o intervalo de confiança de 95% para cada uma das classes (para inspecionar quais classes de elipses se …

11 r  confidence-interval  ggplot2  scatterplot 

Como estagiário e novato em R, estou tendo um tempo muito difícil tentando gerar qqplots com uma proporção de 1: 1. O ggplot2 parece oferecer muito mais controle sobre plotagem do que os pacotes de plotagem R padrão, mas não consigo ver como fazer um qqplot no ggplot2 para comparar …

11 r  distributions  ggplot2  qq-plot 

Digamos que eu tenha dados: x1 <- rnorm(100,2,10) x2 <- rnorm(100,2,10) y <- x1+x2+x1*x2+rnorm(100,1,2) dat <- data.frame(y=y,x1=x1,x2=x2) res <- lm(y~x1*x2,data=dat) summary(res) Quero plotar o contínuo por interação contínua, de modo que x1 esteja no eixo X e x2 seja representado por 3 linhas, uma que representa x2 com um escore …

11 r  regression  ggplot2  interaction 

Enquanto fazia uma EDA, decidi usar um gráfico de caixa para ilustrar a diferença entre dois níveis de um fator. A maneira como o ggplot processou o gráfico da caixa foi satisfatória, mas um pouco simplista (primeiro gráfico abaixo). Enquanto pesquisava as características das caixas, comecei a experimentar entalhes. Entendo …

11 data-visualization  ggplot2  eda 

Carregue o pacote necessário. library(ggplot2) library(MASS) Gere 10.000 números ajustados à distribuição gama. x <- round(rgamma(100000,shape = 2,rate = 0.2),1) x <- x[which(x>0)] Desenhe a função densidade de probabilidade, supondo que não sabemos em qual distribuição x se encaixa. t1 <- as.data.frame(table(x)) names(t1) <- c("x","y") t1 <- transform(t1,x=as.numeric(as.character(x))) t1$y <- …

10 r  mathematical-statistics  goodness-of-fit  gamma-distribution  ggplot2 

Portanto, tenho 16 ensaios em que estou tentando autenticar uma pessoa de uma característica biométrica usando a Distância de Hamming. Meu limite está definido como 3,5. Meus dados estão abaixo e apenas o teste 1 é um verdadeiro positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Eu tenho um conjunto de dados de 17 pessoas, classificando 77 declarações. Eu quero extrair componentes principais em uma matriz de correlação transposta de correlações entre pessoas (como variáveis) entre instruções (como casos). Eu sei, é estranho, chama-se Q Methodology . Quero ilustrar como o PCA funciona nesse contexto, extraindo …

8 r  data-visualization  pca  ggplot2  eigenvalues 

Uma variável de resposta y é uma função não linear de várias variáveis ​​preditoras X (nos meus dados reais a resposta é distribuída binomialmente, mas aqui estou usando um valor normalmente distribuído para simplificar). Posso modelar os relacionamentos entre os preditores e a resposta usando splines / smooths (por exemplo, …

8 r  ggplot2  splines  gam 

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 …

8 r  modeling  dataset  data-mining  ggplot2