代表实验数据

9

我和我的顾问就数据可视化争论不休。他声称，当代表实验结果时，值应仅用“ 标记 ” 绘制，如下面的图像所示。虽然曲线只能代表“ 模型 ”

另一方面，我相信在许多情况下，为了提高可读性，曲线是不必要的，如下面的第二幅图所示：

我是错还是我的教授？如果是后者，我该如何向他解释。

data-visualization communication

— 伊万·P。
source

5

点就是数据。您适合这些点的曲线不是数据。因此，如果您打算显示数据

3

正如JeffE所说。更明确地说：绘制的曲线是模型，因为在绘制它们时假定了特定的形状，并且对该形状有一些推理。该推理基于特定模型。

— gerrit

1

我已经提交了迁移请求；这确实属于交叉验证，而不是这里。

2

我认为它可能在CrossValidated上是热门话题，但在这里肯定也是热门话题。仅当迁移不在此处时，才应考虑进行迁移（两个站点上的问题都将成为话题，没关系）。这是一个具有有效答案的真实问题，对许多学者来说绝对是相关的。

2

您的第二张图表令人怀疑。如果您将这些点用直线连接起来，那么（也许）您会提出一个清晰的参数。但是使用一条曲线，您声称蓝线峰值在740°，而紫线最小值在840°，即使您在这些温度下没有实验数据也是如此。在测量数据之外引入最小值/最大值是一个红色标记。

— 达伦·库克

10

我喜欢以下经验法则：

如果您需要引导视线线（即显示一个趋势，没有行会不会像清晰可见），你应该不会放线。

人类非常擅长识别模式（我们宁愿看到不存在的趋势，也不愿错过现有趋势）。如果我们无法获得没有线条的趋势，则可以确定没有趋势可以最终显示在数据集中。

关于第二张图，测量点不确定性的唯一指示是700°C下C：O 1.2的两个红色正方形。这两个因素的传播意味着我不会接受例如

C：O 1.2完全有趋势
2.0和3.6之间有区别
并确保曲线模型过度拟合了数据。

没有给出很好的理由。但是，那将再次成为模型。

编辑：回答伊万的评论：

我是化学家，我会说没有错误就可以进行测量-可接受的值取决于实验和仪器。

这个答案不是要显示实验错误，而是要显示并考虑到它。

我的推理背后的想法是，图形恰好显示了一次重复的测量，因此当讨论的是模型应该拟合的复杂程度（例如，水平线，直线，二次曲线等）时，这可以使我们对测量有所了解错误。在您的情况下，这意味着即使您有一个硬模型（例如热力学或动力学方程式）表明它应该是二次的，您也将无法拟合有意义的二次（样条曲线）-您只是没有足够的数据。

为了说明这一点：

df <-data.frame (T      =         c ( 700,  700,  800, 900,  700, 800, 900, 700, 800, 900), 
                 C.to.O = factor (c ( 1.2,  1.2,  1.2, 1.2,  2  , 2  , 2  , 3.6, 3.6, 3.6)),
                 tar    =         c (21.5, 18.5, 19.5, 19,  15.5, 15 , 6  , 16.5, 9, 9))

这是线性拟合，以及每个C：O比率的95％置信区间：

ggplot (df, aes (x = T, y = tar, col = C.to.O)) + geom_point () + 
    stat_smooth (method = "lm") + 
    facet_wrap (~C.to.O)

线性模型

请注意，对于较高的C：O比，置信区间的范围远小于0。这意味着线性模型的隐式假设是错误的。但是，可以得出结论：较高C：O含量的线性模型已经过拟合。

因此，退后一步并仅拟合一个常数值（即不依赖T）：

ggplot (df, aes (x = T, y = tar, col = C.to.O)) + geom_point () + 
    stat_smooth (method = "lm", formula = y ~ 1) + 
    facet_wrap (~C.to.O)

无T依赖性

补语是对不依赖C：O的模型进行建模：

ggplot (df, aes (x = T, y = tar)) + geom_point (aes (col = C.to.O)) + 
    stat_smooth (method = "lm", formula = y ~ x)

没有C：O依赖

尽管如此，置信区间仍将覆盖一条水平甚至略微上升的线。

您可以继续尝试，例如允许三个C：O比率使用不同的偏移量，但使用相同的斜率。

但是，已经很少有更多的测量可以大大改善这种情况-请注意，C：O = 1：1：1的置信区间要窄得多，在那里您需要进行4次测量，而不是只有3次。

结论：如果您比较我怀疑的结论的观点，那么他们会从太多的可用观点中获取太多信息！

— cbeleites对SX不满意
source

你说的很对。但是，在工程中，实验误差（不确定性）非常普遍，并且假定3％到5％的相对误差是可以接受的。仍然需要显示MAX，MIN和AVG结果。因此，在我的情况下，标记是四肢，而线是平均值。

— 伊万·

非常好的示例，非常有帮助（您使我对R感兴趣）。因此，当然正确的做法是获取更多数据点。

— 伊万·P。13年

12

正如JeffE所说：重点就是数据。通常，最好避免尽可能多地添加曲线。添加曲线的原因之一是，通过使点和点之间的趋势更易读，它使图形更美观。如果您只有很少的数据点，则尤其如此。

但是，还有其他显示稀疏数据的方法可能比散点图更好。一种可能性是条形图，其中各种条形比单个点更明显。颜色代码（类似于图中已经存在的颜色）将有助于查看每个数据系列的趋势（或者可以拆分数据系列，并在较小的单个条形图中并排显示）。

最后，如果您确实想在符号之间添加某种形式的线，则有两种情况：

如果您希望某个模型对您的数据有效（线性，谐波等），则应在模型上拟合您的数据，在文本中解释该模型，并评论数据与模型之间的协议。
如果您没有任何合理的数据模型，则不应在图表中包含额外的假设。特别是，这意味着除了海峡线以外，您的点之间不应包括任何类型的线。Excel（和其他软件）可以绘制的漂亮的“样条拟合”插值是一个谎言。没有合理的理由使您的数据遵循特定的数学模型，因此您应坚持直线段。

此外，在这种情况下，最好在图形标题的某处添加免责声明，例如“线条仅是眼睛的引导”。

— '
source

2

这是一个很好的建议，要减去关于酒吧更合适的评论。有关与此相关的类似讨论，请参见“手把”图的替代图形。想象一下，OP将其作为聚类的条形图列出，很难想象跨温度范围的趋势。一种使点更容易可见的方法是使它们沿x轴抖动，克利夫兰的研究表明，无论如何，我们应该更喜欢点而不是条。

— 安迪W

@Andy W，“沿x轴抖动”是什么意思？

— 伊万·P。13年

1

@IvanP。，我的意思是不是将点固定在横坐标上的特定值上，而是将它们稍微向左或向右移动，以使这些点不会相互重叠。从图的其余部分应该清楚，它们实际上是指x轴上的组的精确值，并且轻微的抖动应该不会影响值之间的趋势的可视化。

— 安迪W

6

1-您的教授提出了一个正确的观点。

2-您的情节绝对不会增加可读性恕我直言。

3-根据我的理解，这不是真正提出此类问题的正确论坛，您应该在交叉验证时提出。

— 黑社会
source

我很想知道可读性的问题在哪里，任何改进的建议都非常受欢迎

— Ivan P.

1

有时连接点很有意义，尤其是当它们非常密集时。

然后插值（例如用样条线）可能有意义。但是，如果它比一阶样条曲线更先进（显然，这只是连接点），则需要提及。

但是，对于几个点或十几个点的情况，情况并非如此。只需将标记留在原处即可。如果要拟合一条线（或另一条曲线），则为模型。您可以添加它，但是要明确-例如“线代表线性回归拟合”。

— 皮格特·米格达（Piotr Migdal）
source

0

我认为在某些情况下，您可能并未提出明确的模型，但需要某种指导。然后我的规则是避免像鼠疫这样的曲线，并在一系列连续点之间坚持分段直线。

一方面，这一假设对读者而言更为明显。同样，尖刻也擅长使读者远离那些不受数据支持的趋势。如果有的话，这只会突出噪声和离群值。

我警惕的东西是样条曲线，二次方，回归等的粗略（非严格，非显式）使用。通常，这使似乎没有任何趋势的趋势。@Ivan绘制的曲线是滥用的一个很好的例子。对于3个数据点，我认为基本模型中没有任何最大值或最小值是显而易见的。

— curious_cat
source