向已制表的测量数据添加法线和水平箱形图
我有一些已经在数据框中导入的表格调查数据，并可以使用ggplot从它制作条形图。
X X.1 X.2
3 Less than 1 year 7
4 1-5 years 45
5 6-10 years 84
6 11-15 years 104
7 16 or more years 249ggplot(responses[3:7,], aes(y=X.2, factor(X))) + geom_bar()
我想在条形图上叠加一条正常的曲线，下面是一个水平的方框和胡须图，但我不确定在没有个人观察的情况下这样做的正确方式，这应该是可能的…我认为。我尝试模拟的示例输出如下：http://t.co/yOqRmOj5
我期待着学习一个新的技巧，如果有的话，或者其他人遇到过的话。
回答 3
Stack Overflow用户
发布于 2012-02-01 05:38:28
为了节省其他必须下载134页PDF的人，这里有一个问题中引用的图表示例。
在本例中，数据来自Likert标度，因此可以外推原始数据，并且正常曲线和箱线图至少是可解释的。但是，有些地块的水平比例是标称的。正常曲线在这些情况下没有意义。
你的问题是关于序数尺度的。仅从这些汇总的数据来看，试图做出正常曲线是不合理的。您可以将每个条目视为位于其范围(0.5年、3年、8年等)的中心点，但无法合理地为最高组分配一个值(更糟糕的是，它是您最大的组，因此其贡献并不是微不足道的)。您必须拥有原始数据才能做出任何合理的近似。
Stack Overflow用户
发布于 2012-02-02 01:40:38
如果您只需要基于已有数据的密度估计，那么logspline包中的oldlogspline函数可以将密度估计值拟合到区间删失数据：
mymat <- cbind( c(0,1,5.5,10.5, 15.5), c(1,5.5,10.5, 15.5, Inf) )[rep(1:5, c(7,45,84,104,249)),]
library(logspline)
fit <- oldlogspline(interval=mymat[mymat[,2] < 100,],
right=mymat[ mymat[,2]>100, 1], lbound=0)
fit2 <- oldlogspline.to.logspline(fit)
hist( mymat[,1]+0.5, breaks=c(0,1,5.5,10.5,15.5,60), main='', xlab='Years')
plot(fit2, add=TRUE, col='blue')如果您想要正态分布，那么survival包中的survreg函数将拟合间隔删失数据：
library(survival)
mymat2 <- mymat
mymat2[ mymat2>100 ] <- NA
fit3 <- survreg( Surv(mymat2[,1], mymat2[,2], ,type='interval2') ~ 1,
dist='gaussian', control=survreg.control(maxiter=100) )
curve( dnorm(x, coef(fit3), fit3$scale), from=0, to=60, col='green', add=TRUE)尽管不同的分布可能更适合：
fit4 <- survreg( Surv(mymat2[,1]+.01, mymat2[,2], ,type='interval2') ~ 1,
dist='weibull', control=survreg.control(maxiter=100) )
curve( dweibull(x, scale=exp(coef(fit4)), shape=1/fit4$scale),
from=0, to=60, col='red', add=TRUE)您还可以在MASS中使用fitdistr拟合离散分布
library(MASS)
tmpfun <- function(x, size, prob) {
ifelse(x==0, dnbinom(0,size,prob),
ifelse(x < 5, pnbinom(5,size,prob)-pnbinom(0,size,prob),
ifelse(x < 10, pnbinom(10,size,prob)-pnbinom(5,size,prob),
ifelse(x < 15, pnbinom(15,size,prob)-pnbinom(10,size,prob),
pnbinom(15,size,prob, lower.tail=FALSE)))))
}
fit5 <- fitdistr( mymat[,1], tmpfun, start=list(size=6, prob=0.28) )
lines(0:60, dnbinom(0:60, fit5$estimate[1], fit5$estimate[2]),
type='h', col='orange')如果你想要一些更模糊的东西，比如5.5年可以报告为5年或6年，并且丢失或我不知道可以在某种程度上使用(带有一些假设)，那么可以使用EM算法来估计参数(但这要复杂得多，您需要指定假设如何将实际值转换为观测值)。
Stack Overflow用户
发布于 2012-02-01 08:05:37
也许有一种更好的方式来看待这些数据。由于它被设计限制为整数值，也许拟合泊松分布或负二项分布可能更合理。我认为您应该考虑这样一个事实，即您所呈现的数据中的X值有些随意。似乎没有很好的理由认为3是最低类别的最合适的值。为什么不是1？
然后，当然，你需要解释这些数据指的是什么。它看起来根本不是正态分布，甚至不是泊松分布。它是非常左偏的，通常情况下没有太多的左偏分布(尽管有无限数量的可能分布)。
如果你只是想证明这个数据是如何非正态的，甚至忽略了你正在拟合正态分布的一个固定版本的事实，那么看看绘图中的这个练习：
barp <- barplot( dat$X.2)
barp
# this is what barplot returns and is then used as the x-values for a call to lines.
[,1]
[1,] 0.7
[2,] 1.9
[3,] 3.1
[4,] 4.3
[5,] 5.5
lines(barp, 1000*dnorm(seq(3,7), 7,2))https://stackoverflow.com/questions/9087029
复制相似问题
腾讯云开发者
