Hvorfor bruge tæthedsplot?

Et tæthedsplot er en udglattet version af et histogram. Det er nyttigt til at:

• Forstå fordelingen af en numerisk variabel;
• Sammenligne fordelinger på tværs af grupper (som brændstoftyper);
• Identificere toppe, skævhed og spredning.

I modsætning til histogrammer estimerer tæthedsplot sandsynligheden for, at en værdi forekommer inden for et interval.

Tæthedsplot-syntaks i ggplot2

I ggplot2 kan et tæthedsplot oprettes med geom_density().

ggplot(data = df, aes(x = variable)) +
  geom_density()

For at sammenligne grupper kan du tilknytte en kategorisk variabel til fill og justere gennemsigtigheden med alpha, så kurverne overlapper tydeligt.

ggplot(data = df, aes(x = variable, fill = group_variable)) +
  geom_density(alpha = 0.5)

Dette gør det nemt at sammenligne, hvordan fordelingen af en numerisk variabel varierer på tværs af kategorier.

Eksempel: Fordeling af salgspriser

Et tæthedsplot giver en glat repræsentation af, hvordan bilpriser er fordelt. I dette eksempel er kurven udfyldt med blå, og akseetiketter præciserer betydningen af værdierne.

ggplot(df, aes(x = selling_price)) +
  geom_density(fill = "blue") +
  labs(title = "Density Plot of Selling Prices",
       x = "Selling Price",
       y = "Density")

Denne visualisering fremhæver, hvor de fleste bilpriser samler sig, samt hvor bredt priserne er fordelt i datasættet. Det er særligt nyttigt til at identificere toppe i fordelingen og sammenligne med andre variabler senere.