强制R将直方图绘制为概率（相对频率）

Question

我无法将直方图绘制为pdf（概率）

我希望所有部分的总和等于1的面积，这样就可以更容易地比较数据集。出于某种原因，每当我指定中断（默认值为4或其他任何可怕的内容）时，它不再希望将箱子绘制为概率，而是将箱子绘制为频率计数。

hist(data[,1], freq = FALSE, xlim = c(-1,1), breaks = 800)

我应该将此行更改为什么？我需要一个概率分布和大量的箱子。 （我有600万个数据点）

这是在R帮助中，但我不知道如何覆盖它：

  

频率逻辑;如果为TRUE，则直方图图形表示   频率，结果的计数分量;如果为假，概率   绘制密度，组分密度（以便直方图具有   总面积一）。当且仅当中断时，默认为TRUE   等距（并且没有指定概率）。

由于

编辑：详情

嗯，所以我的情节超过1，如果这是一个概率，这是非常令人困惑的。我现在看看它与bin宽度有什么关系。我或多或少想要让每个垃圾箱价值1点，同时仍然有很多垃圾箱。换句话说，除非直接在1.0并且所有其他箱都是0.0，否则箱高度不应高于1.0。就像现在一样，我有一个箱子可以在15.0左右形成一个驼峰

编辑：bin中％的高度 @Dwin：那我该如何绘制概率？我意识到由于x轴上的单位，积分仍然会给我1.0，但这不是我想要的。假设我有100分，其中5分落入第一个分区，那个分区应该是.05高度。这就是我要的。我做错了还有另一种方法吗？

我知道我有多少分。有没有办法将频率直方图中的每个bin计数除以这个数？

Answer 1

回答绘制概率而不是密度的请求：

h <- hist(vec, breaks = 100, plot=FALSE)
h$counts=h$counts/sum(h$counts)
plot(h)

Answer 2

你确定吗？这对我有用：

> vec <- rnorm(6000000)
> 
> h <- hist(vec, breaks = 800, freq = FALSE)
> sum(h$density)
[1] 100
> unique(zapsmall(diff(h$breaks)))
[1] 0.01

将最后两个结果相乘，得到概率密度和为1.请记住，箱宽在这里很重要。

这是

> sessionInfo()
R version 3.0.1 RC (2013-05-11 r62732)
Platform: x86_64-unknown-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_GB.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_GB.UTF-8        LC_COLLATE=en_GB.UTF-8    
 [5] LC_MONETARY=en_GB.UTF-8    LC_MESSAGES=en_GB.UTF-8   
 [7] LC_PAPER=C                 LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

loaded via a namespace (and not attached):
[1] tools_3.0.1

Answer 3

默认的休息时间是log2(N)，其中N是600万，所以应该是22.如果你只看到4次休息，那可能是因为你有xlim个你的来电。这不会改变基础直方图，它只会影响它的哪一部分被绘制。如果你这样做

h <- hist(data[,1], freq=FALSE, breaks=800)
sum(h$density * diff(h$breaks))

你应该得到1的结果。

---

您的数据密度与其计量单位有关;因此，您要确保“没有箱高应该高于1.0”实际上是有意义的。例如，假设我们以英尺为单位进行了一系列测量。我们将测量的直方图绘制为密度。然后我们将所有测量值转换为英寸（乘以12）并进行另一个密度直方图。即使数据基本相同，密度的高度也是原始密度的1/12。同样地，您可以通过将所有数字乘以15来使您的箱高度小于1。

值1.0是否具有某种意义？

Answer 4

我在直方图中观察到了这一点    密度=相对频率/相应的箱宽

示例1：

  

nums = c（10,41,10,28,22,8,31,3,9,9）

     

h2 = hist（nums，plot = F）

     

rf2 = h2 $ count / sum（h2 $ counts）

     

d2 = rf2 / diff（h2 $ break）

     

H 2 $密度

[1] 0.06 0.00 0.02 0.01 0.01

  

D2

[1] 0.06 0.00 0.02 0.01 0.01

示例2：

  

nums = c（10,41,10,28,22,8,31,3,9,9）

     

h3 = hist（nums，plot = F，breaks = c（1,30,40,50））

     

rf3 = h3 $ count / sum（h3 $ counts）

     

d3 = rf3 / diff（h3 $ break）

     

H3 $密度

[1] 0.02758621 0.01000000 0.01000000

  

D3

[1] 0.02758621 0.01000000 0.01000000

Answer 5

R有一个错误或什么的。如果你在data.frame（有1列）中有离散数据，并且在其上调用hist（DF，freq = FALSE），则相对密度将是错误的（总和为＆gt; 1）。就我所知，这不应该发生。

解决方案是首先在对象上调用unlist（）。这修复了情节。 （我也更改了文字，来自http://www.electionstudies.org/studypages/anes_timeseries_2012/anes_timeseries_2012.htm的数据）