Questions tagged «histogram»

我有要建模的双峰数据，并且峰之间有足够的重叠，因此无法独立对待它们。数据的直方图可能看起来像这样： 为此，我创建了两个模型：一个模型使用两个Poisson分布，另一个模型使用两个负二项式分布（以解决过度分散问题）。哪种模型可以更准确地确定适合数据的合适方法是什么？ 我最初的想法是，我可以使用Kolmogorov-Smirnov检验将每个模型与数据进行比较，然后进行似然比检验，看是否一个模型更合适。这有意义吗？如果是这样，我不确定如何执行似然比测试。卡方是否合适，我有多少自由度？ 如果有帮助，这些模型的一些（非常简化的）R代码可能看起来像这样： ## inital data points a <- read.table("data") #create model data model.pois = c(rpois(1000000,200),rpois(500000,250)) model.nb = c(rnbinom(1000000,200,0.5),rnbinom(500000,275,0.5) #Kolmogorov-Smirnov test #use ks.boot, since it's count data that may contain duplicate values kpois = ks.boot(model.pois,a) knb = ks.boot(model.nb,a) #here's where I'd do some sort of likelihood ratio test # …

9 modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio 

我很难选择正确的方式来可视化数据。假设我们有一家书店出售书籍，每本书至少都有一个类别。 对于书店，如果我们计算书籍的所有类别，我们将获得一个直方图，该直方图显示属于该书店特定类别的书籍数量。 我想形象化书店的行为，我想看看他们是否喜欢某个类别而不是其他类别。我不想看看他们是否一起都喜欢科幻小说，但我想看看他们是否平等地对待每个类别。 我有约100万家书店。 我想到了4种方法： 采样数据，仅显示500家书店的直方图。使用10x10网格在5个单独的页面中显示它们。4x4网格的示例： 与＃1相同。但是这次根据它们的计数desc对x轴值进行排序，因此如果有帮助，就很容易看到。 想象一下将＃2中的直方图像一个甲板一样放在一起并以3D形式显示它们。像这样： 代替使用第三轴使用颜色来表示颜色，而是使用热图（2D直方图）： 如果通常书店偏爱某些类别而不是其他类别，它将以从左到右的漂亮渐变显示。 您还有其他表示多个直方图的可视化想法/工具吗？

9 pca  data-visualization  histogram  barplot