Miksi käyttää tiheyskäyriä?

Tiheyskäyrä on histogrammin tasoitettu versio. Se on hyödyllinen:

• Numeraalisen muuttujan jakauman ymmärtämiseen;
• Jakaumien vertailuun ryhmien välillä (esim. polttoainetyypit);
• Huippujen, vinouman ja hajonnan havaitsemiseen.

Toisin kuin histogrammit, tiheyskäyrät arvioivat arvon esiintymistodennäköisyyttä tietyllä välillä.

Tiheyskäyrän syntaksi ggplot2:ssa

ggplot2-kirjastossa tiheyskäyrä luodaan funktiolla geom_density().

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

Ryhmiä vertaillessa kategorinen muuttuja voidaan asettaa fill-parametriin ja läpinäkyvyyttä säätää alpha-parametrilla, jotta käyrät näkyvät selkeästi päällekkäin.

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

Tämä helpottaa numeerisen muuttujan jakauman vertailua eri kategorioiden välillä.

Esimerkki: Myyntihinnan jakauma

Tiheyskäyrä antaa tasoitetun kuvan autojen hintojen jakaumasta. Tässä esimerkissä käyrä on täytetty sinisellä ja akselien nimet selventävät arvojen merkitystä.

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

Tämä visualisointi korostaa, mihin hintaluokkiin suurin osa autoista sijoittuu sekä kuinka laajasti hinnat jakautuvat aineistossa. Se on erityisen hyödyllinen jakauman huippujen tunnistamiseen ja myöhempään vertailuun muihin muuttujin.