Probabilidad de trazado con ggplot2 (no densidad)

Question

Me gustaría graficar datos de modo que en el eje y haya una probabilidad (en el rango [0,1]) y en el eje x tenga los valores de los datos. Los datos son contiguos (también en el rango [0,1]), por lo tanto, me gustaría usar alguna función de estimación de la densidad del kernel y normalizarla de modo que el valor y en algún punto x signifique la probabilidad de ver el valor x en la entrada datos.

lo tanto, me gustaría preguntar:

a) ¿Es razonable en absoluto? Entiendo que no puedo tener la probabilidad de ver valores que no tengo en los datos, pero me gustaría interpolar entre los puntos que tengo usando una función de estimación de la densidad del kernel y luego normalizarla.

b) ¿Hay alguna opción incorporada en ggplot que pueda usar, que anularía el comportamiento predeterminado de geom_density() por ejemplo para hacer esto?

Gracias de antemano,

Timo

EDIT: cuando dije "normalizar" antes, yo en realidad quería decir "escala". Pero obtuve la respuesta, así que gracias chicos por aclarar mi opinión sobre esto.

Answer 1

Esto no es una respuesta ggplot, pero si desea unir las ideas del suavizado del kernel y los histogramas, puede hacer un enfoque de arranque + suavizado. Vas a ser derrotado en la cabeza y los hombros por Estadísticas gente para hacer las cosas feas de este tipo, a fin de utilizar a su propio riesgo;)

comienzo con algunos datos sintéticos:

set.seed(1) 
randomData <- c(rnorm(100, 5, 3), rnorm(100, 20, 3)) 
hist(randomData, freq=FALSE) 
lines(density(randomData), col="red") 

la función de densidad tiene una calculadora de ancho de banda razonablemente inteligente que puede tomar prestado de:

bw <- density(randomData)$bw 
resample <- sample(randomData, 10000, replace=TRUE) 

continuación, utilizar el ancho de banda como el calco SD para m aga algo de ruido aleatorio

noise <- rnorm(10000, 0, bw) 
hist(resample + noise, freq=FALSE) 
lines(density(randomData), col="red") 

Oye mira! ¡Un núcleo suavizó el histograma!

Sé que esta respuesta larga no es realmente una respuesta a su pregunta, pero tal vez proporcionará algunas ideas creativas sobre cómo abusar de sus datos.

Answer 2

Puede controlar el comportamiento de la densidad/estimación del núcleo en ggplot llamando a stat_density() en lugar de a geom_density().

Consulte el manual del usuario en línea: http://had.co.nz/ggplot2/stat_density.html Puede especificar cualquiera de las funciones de estimación del kernel que son compatibles con las estadísticas por :: densidad()

library(ggplot2) 
df <- data.frame(x = rnorm(1000)) 
ggplot(df, aes(x=x)) + stat_density(kernel="biweight") 

Answer 3

sólo que componen una fusión rápida de las respuestas de @JD largo y @ ayer:

ggplot(df, aes(x=x)) + 
    geom_histogram(aes(y = ..density..), binwidth=density(df$x)$bw) + 
    geom_density(fill="red", alpha = 0.2) + 
    theme_bw() + 
    xlab('') + 
    ylab('') 

De esta manera el binwidth para ggplot2 fue calculado por la función density, y también el último está dibujado en la parte superior de un histograma con una buena transparencia. Pero definitivamente debe mirar stat_densitiy como se sugirió ayer para mayor personalización.