kernel-density

    2熱度

    2回答

    我有一個天數列表,我期待在密度圖上顯示它們年。 我沒有這兩種方法 - 改變在x軸上的標籤年,由365將數據分割這些方法給我不同的密度估計: df <- data.frame(id = 1:80000, age = rnorm(80000, 46, 5) * 365) 第一曲線使用產生: breaks <- seq(from = min(df$age), to = max(df$age), by

    1熱度

    1回答

    我一直在使用scipy.stats.gausian_kde,但有一些關於它的輸出的問題。我在同一個圖上繪製了歸一化的直方圖和gaussian_kde圖。爲什麼y值如此巨大的不同?我的理解是,gaussian_kde圖應大致觸及直方圖的提示。使用scipy.integrate.quad函數,我確定圖下的面積爲0.7,而不是1.0,這是我的預期。 其實我真正想要的是gaussian_kde代表非歸一化

    5熱度

    1回答

    這是我的R代碼裏面: x <- c(5.89,6.81,6.69,7.61,5.44,6.17) y <- c(1,0.09392423,0.07090779,0.0687634,0.06819157,0.06261615) plot(density(x, bw=0.050, adjust=1, kernel="gaussian",weights=(y),n=1000)) 我想要實現使用

    0熱度

    1回答

    我正在研究一個複雜的UI設計,它就像在圓形軌跡中包含10個圖標的圓形輪子。我需要根據設備分辨率縮放每個圖標。請看看具體的代碼片段: - if (displayWidth<=241) { bitmap = scaleBimtap(bitmap, 42, 39); }else if (displayWidth<=320) { bitmap = scaleBimt

    3熱度

    2回答

    我正在重疊幾個密度圖以在ggplot2中創建圖形。假設我在一系列年份(在本例中爲2004-2012年)每個十二月都有數據點,並且我想繪製每個十二月份+年份的密度函數並覆蓋它們。我想突出一個特定月份的密度線,讓其中所有其他密度線保持穩定。我有一個可重複的例子如下: #Create vector of data for December set.seed(12345) dec_emas = as.

    1熱度

    2回答

    我想繪製安聯SE公司簡單損失的直方圖,密度(高斯核)和擬合的相應正態分佈。 (這意味着,簡單的損失減去簡單返回) 我有以下代碼: hist(alvsloss,breaks = 100, freq=F,main="Histogramm, density curve (gaussian kernel) of Allianz simple losses ",xlab="loss in percent"

    6熱度

    1回答

    我有一個包含224900個觀察值和10個變量的數據集,這些變量是對原始數據值進行不同泰勒級數反變換的結果。我希望覆蓋這10個變量中每個變量的密度圖,以顯示泰勒級數反演變換對數據估計值的魯棒性水平。我不認爲只有10行,我認爲應用顏色會很好,所以每個密度圖都會貢獻灰度的10%。如果有數據只與其中一個地塊有關,則會有10%的灰色,兩個地塊在20%時會是黑暗的兩倍,直到所有密度地塊重疊的地方都是100%。

    15熱度

    1回答

    我想補充的密度曲線,直方圖和culumative直方圖,這樣的 - 下面是據我可以去: hist.cum <- function(x, plot=TRUE, ...){ h <- hist(x, plot=FALSE, ...) h$counts <- cumsum(h$counts) h$density <- cumsum(h$density) h$ite

    5熱度

    3回答

    我正試圖在Rg中創建一個簡單的密度圖ggplot2。這是我的代碼,它很棒。 d <- ggplot(result, aes(x=result$baseMeanA)) d + geom_density(colour="darkgreen", size=2, fill="darkgreen") + scale_x_log10() + scale_y_continuous(limits = c(0,

    1熱度

    2回答

    要使用一個簡單的例子,讓我們說: A = rnorm(10) B = rnorm(100) C = rnorm(500) library(vioplot) vioplot(A,B,C) 我的問題是這樣如何創建這樣一個圖表,考慮到樣本大小。 'C'的樣本量比'A'高得多,那麼'C'的小提琴曲線可以顯示比'A'更大的小提琴嗎?因此,這將是密度分佈,貫穿我想的三個類別,因此即使'A'和'C