问题标签 [kernel-density]

So I have some data - gene expression in several samples - that I want to plot as an histogram binned in a way that makes sense, and then overlaying a density curve. Something along the lines of this plot: Plotting_distributions_(ggplot2)

but with the bins being set by using cut(). This what my data looks like:

Which I bin with cut():

and the histogram plotting is also straightforward:

The question is how to overlay the density line? Or how to define the bins inside the ggplot2 code to emulate the example plot?

我想绘制 Allianz SE 公司的简单损失的直方图、密度（高斯核）和拟合的相应正态分布。（这意味着，简单的损失减去简单的回报）

我有以下代码：

现在我遇到了第一个问题：

未绘制正态分布曲线。

第二个是一般性的问题：如果我省略了正态分布，那么我只有直方图和密度。比我可以通过命令在频率真假之间改变

或者

我附上了两张图片的截图（我必须上传它，因为我没有至少 10 个声望）。我不明白它们，如果我有 freq=T 这意味着，我在 y 轴上有密度值。所以应该有像 0.0012 或 0.1 这样的值，但不是 300 或 400 的值，密度应该是相对值吗？而且内核无论如何都不匹配，这显然是错误的？如果我有 freq=FI 得到正确的图片。现在我有了绝对值，例如，有 30 个案例我的回报大约为 0.0（中间高峰），对吗？现在密度确实合适，但我原以为它不适合这种情况，因为我认为它是 freq=T 值，所以它应该是另一种方式，在这张照片中它应该是错误的？

如果回答了这个问题，我会有更多的问题：我不喜欢 x 轴，我怎样才能有更详细的缩放？是不是这样说：右边从 0.5 到 0.1 的尾巴比左边的尾巴重，所以在这个区域我们损失的概率比收益的概率高？而极值仅出现在左侧：-0.2 的值，甚至是一个大约 -0.4 的值。所以在这种情况下没有发生极端损失，而实现了极端收益？这是正确的吗？

我的错误是什么，我看不到？

截屏：

你可以在这里找到数据

这是alvsloss数据

完整的解决方案是：

这给出了以下图片：

似乎是正确的，对吧？

在 R 中并使用 Lattice，我试图按年份提取直方图和密度图数据以供其他程序使用。到目前为止，我有直方图部分工作：

现在，问题是如何用密度图做到这一点。我认为它会是类似的东西，但是我遇到了中断问题（它们不包含在密度图格子对象中）以及在密度图格子对象中找到正确的对象以用于生成箱的密度/百分位数。这是我到目前为止所拥有的：

我应该参考的密度图格子中是否有不同的位置？还是我必须直接使用密度函数，比如这样的？

提前致谢！

举一个简单的例子，假设：

因此，我的问题是如何创建考虑到样本量的图表。“C”的样本量比“A”高得多，有没有办法让“C”的小提琴图可以显示比“A”“更大”的小提琴？因此，这将是我认为跨越三个类别的密度分布，因此即使“A”和“C”的整个分布形状可能相等，而不是显示相同的图像，它们显示“A”的形状比'C' 和 'B' 也是由于其较小的样本量。

我一直在使用 scipy.stats.gausian_kde 但对其输出有一些疑问。我在同一张图上绘制了归一化直方图和 gaussian_kde 图。为什么 y 值差异如此之大？我的理解是 gaussian_kde 图应该大致触及直方图的尖端。使用 scipy.integrate.quad 函数，我确定图表下方的面积为 0.7，而不是 1.0，这是我的预期。

实际上我真正想要的是让 gaussian_kde 代表非标准化直方图，有谁知道我该怎么做？

这是我的 R 代码：

我正在尝试使用 D3.js 或任何其他等效的 JavaScript 库来实现相同的结果..

有人可以帮忙吗？

我正在做一个复杂的 UI 设计，它就像一个圆形轮子，在圆形轨迹上包含 10 个图标。我需要根据设备分辨率缩放每个图标。请查看特定的代码片段：-

HTC sense 是一款 540X960 分辨率的设备。所以这里是 bitmap = scaleBimtap(bitmap, 52, 44); 在这种情况下必须选择，但这似乎被错误地缩放并且图标显示得更大。我该怎么做才能使它起作用。

我正在尝试处理 R 中的过度绘图的方法，我想尝试的一件事是绘制单个点，但根据其邻域的密度对它们进行着色。为了做到这一点，我需要计算每个点的 2D 内核密度估计。然而，标准的核密度估计函数似乎都是基于网格的。是否有用于计算我指定的特定点的 2D 内核密度估计的函数？我会想象一个将 x 和 y 向量作为参数并返回密度估计向量的函数。

我需要尽可能精确地找到核密度估计的峰值（连续随机变量的模态值）。我可以找到近似值：

但是在计算d$y精确函数时是已知的。如何找到模式的确切值？

我需要一张不同密度线的图，每条线都是另一种颜色。这是一个示例代码（但要小得多），使用内置的 data.fame USArrests。我希望它可以使用吗？

目前，该代码colwise()仅使用一种颜色生成。我怎样才能让每一行都有另一种颜色？或者有没有更好的方法来绘制几条不同颜色的密度线？