Cách tốt nhất để đặt hai biểu đồ trên cùng một tỷ lệ?

Giả sử tôi có hai bản phân phối tôi muốn so sánh chi tiết, tức là theo cách làm cho hình dạng, tỷ lệ và dịch chuyển dễ dàng nhìn thấy. Một cách tốt để làm điều này là vẽ biểu đồ cho mỗi phân phối, đặt chúng trên cùng một tỷ lệ X và xếp chồng lên nhau bên dưới phân phối khác.

Khi làm điều này, binning nên được thực hiện như thế nào? Cả hai biểu đồ có nên sử dụng cùng một ranh giới bin ngay cả khi một phân phối phân tán hơn nhiều so với phân phối khác, như trong Hình 1 bên dưới không? Việc tạo thùng có nên được thực hiện độc lập cho từng biểu đồ trước khi phóng to, như trong Hình 2 bên dưới không? Thậm chí có một quy tắc tốt về điều này?

Tôi nghĩ bạn cần sử dụng các thùng giống nhau. Nếu không thì tâm trí giở trò đồi bại với bạn. Bình thường (0,2) trông phân tán hơn so với Bình thường (0,1) trong Hình ảnh số 2 so với Hình ảnh số 1. Không có gì để làm với số liệu thống kê. Có vẻ như Bình thường (0,1) đã thực hiện "chế độ ăn kiêng".

Mùa đông -Ralph

Điểm cuối trung điểm và biểu đồ cũng có thể thay đổi nhận thức về sự phân tán. Lưu ý rằng trong applet này, lựa chọn bin tối đa ngụ ý phạm vi> 1,5 - ~ 5 trong khi lựa chọn bin tối thiểu ngụ ý phạm vi <1 -> 5,5

http://www.stat.sc.edu/~west/javahtml/Histogram.html

Một cách tiếp cận khác là vẽ các phân phối khác nhau trên cùng một lô và sử dụng một cái gì đó giống như alphatham số ggplot2để giải quyết các vấn đề quá mức. Tiện ích của phương pháp này sẽ phụ thuộc vào sự khác biệt hoặc tương đồng trong phân phối của bạn vì chúng sẽ được vẽ với cùng một thùng. Một cách khác là hiển thị các đường cong mật độ được làm mịn cho mỗi phân phối. Đây là một ví dụ về các tùy chọn này và các tùy chọn khác được thảo luận trong chuỗi:

library(ggplot2)

df <- melt(
    data.frame( 
        x = rnorm(1000)
        , y = rnorm(1000, 0, 2)
    )
)


ggplot(data = df) + 
#   geom_bar(aes(x = value, fill = variable), alpha = 1/2)
#   geom_bar(aes(x = value)) + facet_grid(variable ~ .)
#   geom_density(aes(x = value, colour = variable))
#   stat_qq(aes(sample = value, colour = variable))

Vì vậy, đó là một câu hỏi về việc duy trì cùng kích thước thùng hoặc duy trì cùng số lượng thùng? Tôi có thể thấy các đối số cho cả hai bên. Một cách giải quyết sẽ là chuẩn hóa các giá trị trước tiên. Sau đó, bạn có thể duy trì cả hai.