Bin bindeweite des Dichte-Histogramms so ändern, dass Wahrscheinlichkeiten zu 1

Question

Ich habe bereits zahlreiche Fragen dazu gefunden, aber irgendwie hat es mir nicht wirklich geholfen. Ich verstehe nicht, wie die binwidth in einer Dichte Histogramm in ggplot2 zu ändern, so dass die Wahrscheinlichkeiten bis zu 1.er Summe Es scheint, wie es funktioniert nur, wenn die binwidth genau ist 1. Hier ist ein Beispiel:

set.seed(1) 
df = data.frame("data" = runif(1000, min=0, max=100)) 

a = ggplot(data = df, aes(x = data))+ 
    geom_histogram(aes(y=..density..),colour="black", fill = "white", 
    breaks=seq(0, 100, by = 50)) 


b = ggplot(data = df, aes(x = data))+ 
    geom_histogram(aes(y =..density..), 
      breaks=seq(0, 100, by = 30), 
      col="black", 
      fill="white") 
c = ggplot(data = df, aes(x = data))+ 
    geom_histogram(aes(y =..density..), 
      breaks=seq(0, 100, by = 10), 
      col="black", 
      fill="white") 

d = ggplot(data = df, aes(x = data))+ 
    geom_histogram(aes(y =..density..), 
      breaks=seq(0, 100, by = 1), 
      col="black", 
      fill="white") 

grid.arrange(a,b,c,d, ncol= 2) 

Wenn Sie sich die Wahrscheinlichkeitsachse ansehen, können Sie sehen, dass die ersten drei Graphen falsch sein müssen. Dies sind nicht die richtigen Histogramme, da die Bins nicht zu 1 summieren. Die Y-Achse ändert sich gemäß dem Histogramm a, b, c oder d sogar nicht signifikant. Ich habe auch versucht, den Befehl "breaks" durch den Befehl "binwidth" zu ersetzen, aber es ist noch schlimmer. Ich würde auch gerne wissen, wie Sie die Wahrscheinlichkeiten der einzelnen Bins eines Histogramms zählen können, um zu beweisen, dass es 1 ergibt oder nicht?

Danke für jede Hilfe.

Answer 1

Simulieren einige Daten:

library(ggplot2) 
library(dplyr) 

set.seed(1) 
df = data.frame("data" = runif(1000, min=0, max=100)) 

Der erste Plot Sie erhalten können, ist:

# y axis has the density estimate values 
ggplot(data = df, aes(x = data))+ 
    geom_histogram(aes(y=..density..),colour="black", fill = "white", 
       breaks=seq(0, 100, by = 50)) 

Diese Darstellung der Dichteschätzungen auf der y-Achse hat. Diese Werte entsprechen dem Dichtediagramm und nicht den von Ihnen erstellten Balken. Sie können diese Version sehen, wo die Dichte Plot überlagert wird:

# y axis has the density estimate values and the density plot 
ggplot(data = df, aes(x = data))+ 
    geom_histogram(aes(y=..density..),colour="black", fill = "white", 
       breaks=seq(0, 100, by = 50)) + 
    geom_density(aes(data), col="red") 

Einen Weg, dies zu interpretieren ist, dass jeder Punkt auf der roten Linie eine Wahrscheinlichkeit ausgewählt werden muss, und das ist auf der y-Achse (dh eine Menge Punkte bedeutet, dass Wahrscheinlichkeiten näher bei Null liegen).

können Sie bekommen, was Sie mit diesem wollen:

# y axis has the probabilities of each bar (bar counts/all counts) 
ggplot(data = df, aes(x = data))+ 
    geom_histogram(aes(y=..count../sum(..count..)),colour="black", fill = "white", 
       breaks=seq(0, 100, by = 50)) 

andere Möglichkeit, die oben zu tun, während die Daten zu halten (für zukünftige Nutzung oder nur Wahrscheinlichkeiten überprüfen zu 1 summieren) ist dies :

# assign the breaks 
breaks = cut(df$data, seq(0, 100, by = 50)) 

# count observations in each bar and probability of each bar 
df %>% 
    mutate(Breaks = breaks) %>% 
    count(Breaks) %>% 
    mutate(Prc = n/sum(n)) 

# # A tibble: 2 x 3 
#  Breaks  n Prc 
#  <fctr> <int> <dbl> 
# 1 (0,50] 520 0.52 
# 2 (50,100] 480 0.48 

# plot the above 
df %>% 
    mutate(Breaks = breaks) %>% 
    count(Breaks) %>% 
    mutate(Prc = n/sum(n)) %>% 
    ggplot(aes(Breaks, Prc)) + geom_col()