비교를 위해 바이올린 플롯을 스케일링하는 방법은 무엇입니까?

나는 바이올린 음모를 그리려고 노력하고 있으며 그룹별로 스케일링을위한 모범 사례가 있는지 궁금합니다. 다음은 R mtcars데이터 세트를 사용하여 시도한 세 가지 옵션 입니다 (1973의 모터 트렌드 자동차, 여기 참조 ).

동일한 폭

원래 종이 * 가하는 것과 R 이하 vioplot는 것 ( 예 :) 인 것 같습니다 . 모양을 비교하는 데 좋습니다.

동등한 지역

각 그림은 확률도이므로 각 좌표 영역의 좌표 공간은 1.0이어야합니다. 각 그룹 내에서 밀도를 비교하는 데는 좋지만 플롯이 겹쳐져 있으면 더 적합 해 보입니다.

가중 영역

동일한 면적과 같지만 관측치 수에 따라 가중치가 적용됩니다. 6- 실은 차가 적기 때문에 상대적으로 얇아집니다. 그룹 간 밀도를 비교하는 데 좋습니다.

* 바이올린 플롯 : 박스 플롯 밀도 추적 시너지 효과 (DOI : 10.2307 / 2685478)

상자 그림은 분포의 도식 요약에 사용됩니다. 바이올린 플롯은 Q1, Q2 및 Q3 박스가 광범위한 Quantile로 대체되는 박스 플롯입니다. 이런 이유로, 나는 수용된 관행이 그룹 전체에 균일 한 너비를 사용하는 것이라고 생각합니다.

그러나 그룹 전체의 밀도를 어떻게 비교해야합니까? 답은 각 그룹을 자신의 인구 또는 하위 인구로보고 있는지에 따라 다릅니다.

$\Sigma_i P_i = 1$

솔직히, 당신이 잘못된 방향으로 접근하고 있다고 생각합니다. 세 플롯 모두 가치가있는 정보를 명확하게 알려줍니다. 그렇지 않으면 사용할 플롯을 고려하지 않을 것입니다. 탐색 적 데이터 분석은 데이터를 이해하는 것입니다. 기대에 부합하는 곳. 그렇지 않은 곳. 여러 변수에 어떻게 적용됩니까?

EDA를 수행하는 모든 요점 은 우리의 불이행, 분포 또는 공선 성 가정인지, 사용될 통계 모델 등이 적절한 지 평가하는 것입니다. 따라서 "기본"EDA의 개념에는 다소 결함이 있습니다.

그들 모두 또는 적어도 질문하려는 질문과 관련된 모든 줄거리를 살펴보십시오. EDA 단계에서 "흥미로운 일"과 "무엇을 무시할 것인가"에 빠져 들어갈 이유가 없습니다. 우리가 기본값을 통해 데이터를 제공하는 경우 실제로는 EDA가 아닙니다.

대역폭은 어떻습니까? 당신은 그것에 대해 생각 했습니까?

pdf를 얻기 위해 소프트웨어의 기본 설정을 사용하는 경우 가우시안 커널의 최적 대역폭을 위해 경험 법칙을 사용하는 것 같습니다. 이 '최적 대역폭'은 각 서브 세트마다 다를 수 있습니다. 이제 자신에게 물어보십시오, 모양이 여전히 비슷한가? 이중 표준으로 동일한 변수 (커널 밀도 추정)를 측정 할 수 있습니다.

커널 밀도 추정을 위해 올바른 대역폭 (일부 교차 검증)을 얻기위한 명확한 규칙이 개발되었지만 바이올린 플롯의 경우 대부분 무시됩니다. 표본 크기가 많이 다를 때 중요 할 수 있습니다.

지금이 문제가 있습니다. 당신이 그것에 대해 어떻게 생각하십니까? 어떻게 해결합니까? 모든 의견을 높이 평가합니다.