Differences

This shows you the differences between two versions of the page.

--- b:head_first_statistics:visualization [2024/09/04 08:26] – [Histogram] hkimscil
+++ b:head_first_statistics:visualization [2024/09/04 08:49] (current) – [Scatter plot] hkimscil
@@ Line 138: / Line 138: @@
    pch=19)</code>
-{{:c:ps1-1:2019:pasted:20190909-075028.png}}
+{{:b:head_first_statistics:pasted:20240904-083016.png}}
 explanatory (설명) variable at x axis
@@ Line 146: / Line 146: @@
 Drawing a line among the data.
 <code># Add fit lines
 abline(lm(mpg~wt), col="red") # regression line (y~x)
-lines(lowess(wt,mpg), col="blue") # lowess line (x,y)</code>
+</code>
-{{:c:ps1-1:2019:pasted:20190909-075639.png}}
+{{:b:head_first_statistics:pasted:20240904-083157.png}}
+Outlier에 대한 주의
+[{{:pearson-6.png? |}}]
+<WRAP clear />
@@ Line 161: / Line 166: @@
    labels=row.names(mtcars))</code>
 {{:c:ps1-1:2019:pasted:20190909-080032.png}}
-Line can be:
-**__관계의 방향 (direction)__**
-^  관계의 방향  ^^
-| {{:r.positive.png}}  | {{:r.negative.png}}  |
-**__관계의 모양 (shape)__**
-^  관계의 모양  ^^
-| {{:r.positive.png}}  | {{:r.curvepositive.png}}  |
-**__관계의 정도 (힘)__**
-^  관계의 정도 (힘)  ^^
-| [{{:r.StrengthA.png|Figure_4-1}}]  | [{{:r.StrengthB.png|Figure 4-2}}]  |
-| [{{:r.StrengthC.png|Figure_4-3}}]  | [{{:r.StrengthD.png|Figure 4-4}}]  |
-<WRAP clear />
-Pearson's r 의 의미
-__Relations, not cause-effect__
-[{{:r_eg.15.6.png?250 |Figure 6. Correlation And Causation}}] 상관관계 계수는 단순히 두 변인 (x, y) 간의 관계가 있다는 것을 알려줄 뿐, 왜 그 관계가 있는지는 설명하지 않는다. 바꿔 말하면, 충분한 r 값을 구했다고 해서 이 값이 두 변인 간의 '''원인'''과 '''결과'''의 관계를 말한다고 이야기 하면 __안된다__. 예를 들면 아이스크림의 판매량과 성범죄가 서로 상관관계에 있다고 해서, 전자가 후자의 원인이라고 단정할 수 있는 근거는 없다. 이는 연구자의 논리적인 판단 혹은 이론적인 판단에 따른다.
-<WRAP clear />
-__Interpretation with limited range__
-[{{:r_eg.15.71.png?250 |Figure_7._Correlation_And_Range}}]
-[{{:r_eg.15.7b1.png?250 |Figure_7._Correlation_And_Range}}]
-데이터의 [[Range]]에 대한 판단에 신중해야 한다. 왜냐 하면, 데이터의 어느 곳을 자르느냐에 따라서 r 값이 심하게 변하기 때문이다.
-<WRAP clear />
-__Outliers__
-[{{:r_eg.15.8a.png?250 |Figure_7._Correlation_And_Extreme_Data}}]
-[{{:r_eg.15.8b.png?250 |Figure_7._Correlation_And_Extreme_Data}}]
-위의 설명과 관련하여, 만약에 아주 심한 Outlier가 존재한다면 두 변인 간의 상관관계에 심한 영향을 준다.
-[{{:pearson-6.png?300 |}}]
-make it sure that there is __no data entry error__.
-{{:r.crime.scatterplot.for.single.by.state.jpg}}
 <WRAP clear />
-see
+====== Presentation ======
+For a very good example, see
 https://www.gapminder.org/answers/how-does-income-relate-to-life-expectancy/
   * Life expectancy data: {{:life.exp.csv}}
-<code>
+<WRAP clear/>
-le <- as.data.frame(read.csv("http://commres.net/wiki/_media/life.exp.csv", header=T))
+====== Histogram skewedness ======
-colnames(le)[1] <- "c.code" # not really necessary. But, sometimes imported first characters are broken.
-lea <- le$X2017
-leb <- lea[complete.cases(lea)]
-hist(leb, color="grey")
-</code>
-[{{:c:ps1-1:2019:pasted:20190909-110252.png|Life expectancy in 2017}}]
-<WRAP clear/>.
-[{{:c:ps1-1:2019:pasted:20190909-104759.png|Distribution of temperature}}]
-<WRAP clear/>.
 [{{:c:ps1-1:2019:pasted:20190909-111117.png|skewness}}]
 <WRAP clear/>.
 [{{:c:ps1-1:2019:pasted:20190909-111001.png|modality}}]
 <WRAP clear/>.
-box plot
+====== box plot ======
 <code>
 # Boxplot of MPG by Car Cylinders