Waarom dichtheidsplots gebruiken?

Een dichtheidsplot is een vloeiendere versie van een histogram. Het is nuttig om:

• Inzicht te krijgen in de verdeling van een numerieke variabele;
• Verdelingen te vergelijken tussen groepen (zoals brandstoftypen);
• Piekpunten, scheefheid en spreiding te signaleren.

In tegenstelling tot histogrammen schatten dichtheidsplots de kans dat een waarde binnen een bepaald bereik voorkomt.

Dichtheidsplot-syntaxis in ggplot2

In ggplot2 kan een dichtheidsplot worden gemaakt met geom_density().

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

Om groepen te vergelijken, kan een categorische variabele aan fill worden gekoppeld en kan de transparantie met alpha worden aangepast zodat de curves duidelijk overlappen.

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

Hierdoor wordt het eenvoudig om te vergelijken hoe de verdeling van een numerieke variabele verschilt tussen categorieën.

Voorbeeld: Verdeling van verkoopprijzen

Een dichtheidsplot geeft een vloeiende weergave van hoe autoprijzen zijn verdeeld. In dit voorbeeld is de curve blauw ingevuld en verduidelijken de aslabels de betekenis van de waarden.

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

Deze visualisatie laat zien waar de meeste autoprijzen zich concentreren en hoe breed de prijzen in de dataset zijn verspreid. Het is vooral nuttig om pieken in de verdeling te identificeren en later te vergelijken met andere variabelen.