Jaka jest najlepsza wizualizacja tabel awaryjnych?

Który wykres jest najlepszy z statystycznego punktu widzenia, aby pokazać tabelę zdarzeń awaryjnych , która jest zazwyczaj analizowana za pomocą testu chi-kwadrat? Czy jest to unikalny wykres słupkowy, ułożony wykres słupkowy, mapa termiczna, wykres konturowy, jitterred scatterplot, wykres z wieloma liniami czy coś innego? Czy należy pokazywać wartości bezwzględne lub wartości procentowe?

Edycja: Lub, jak sugeruje @forecaster w komentarzach, sama tabela liczb jest prostą fabułą i powinna wystarczyć.

Nie będzie tutaj jednego uniwersalnego rozwiązania. Jeśli masz bardzo prosty stół (np. ), po prostu przedstawienie stołu jest prawdopodobnie najlepsze. Jeśli chcesz prawdziwej figury, mozaiki (jak sugeruje @xan) są prawdopodobnie dobrym miejscem na rozpoczęcie. Istnieje kilka innych opcji, które są analogiczne do wykresów mozaikowych, w tym wykresy sitowe, wykresy asocjacyjne i wykresy ciśnienia dynamicznego (patrz moje pytanie tutaj: Alternatywa dla wykresów sitowych / mozaikowych dla tabel awaryjnych ); Książka Michaela Friendlya, Visualizing Categorical Data , byłaby dobrym zasobem (opartym na SAS) na ten temat, a pakiet vcd jest dobrym zasobem do wdrożenia tych pomysłów w R. $2\times 2$

Ponieważ tabele mają większą liczbę wierszy i kolumn, moim zdaniem stają się one trudniejsze w użyciu. Innym rodzajem opcji wizualizacji jest wykonanie / wykreślenie analizy korespondencji . Analiza korespondencji jest analogiczna do przeprowadzania analizy głównych składników zarówno w wierszach, jak i kolumnach tabeli awaryjnej. Następnie oba są wykreślane razem z dwupłatem. Oto przykład oparty na R, wykorzystujący dane z odpowiedzi @ xan:

library(ca)
tab = as.table(rbind(c(28, 4,  0, 56),
                     c(38, 5,  9, 10),
                     c( 6, 6, 14, 13) ))
names(dimnames(tab)) = c("activity", "period")
rownames(tab)        = c("feed", "social", "travel")
colnames(tab)        = c("morning", "noon", "afternoon", "evening")
tab
#         period
# activity morning noon afternoon evening
#   feed        28    4         0      56
#   social      38    5         9      10
#   travel       6    6        14      13
plot(ca(tab))

Aby zinterpretować ten wykres, im bliżej znajdują się dwa punkty tego samego typu, tym bardziej podobne są te dwa profile wierszy / kolumn. Im bliżej znajdują się dwa punkty różnych typów, tym większa ich masa prawdopodobieństwa znajduje się w komórce reprezentującej ich przecięcie.

W R znajduje się pakiet ca ; ta winieta ( pdf ) również może być pomocna.

Różne elementy wizualne lepiej podkreślą różne funkcje, ale wykresy mozaikowe dobrze sprawdzają się w widoku ogólnym (sprawdzanie, czy coś się wyróżnia). Może właśnie to miałeś na myśli przez uchylony wykres słupkowy. Jak większość opcji, nie są one symetryczne, ponieważ reprezentują częstotliwości względne lepiej w jednym wymiarze niż w drugim. Fajną cechą jest to, że reprezentowane są również częstotliwości krańcowe.

Zgadzam się, że „najlepsza” fabuła nie istnieje niezależnie od zbioru danych, czytelnictwa i celu. W przypadku dwóch mierzonych zmiennych wykresy rozrzutu są prawdopodobnie konstrukcją, która pozostawia po sobie wszystkie inne, z wyjątkiem określonych celów, ale żaden taki lider rynku nie jest widoczny w przypadku danych kategorycznych.

Moim celem jest tutaj tylko wspomnienie prostej metody, często odkrywanej lub wymyślanej na nowo, ale jednak często pomijanej nawet w monografiach lub podręcznikach obejmujących grafikę statystyczną.

Przykład pierwszy, obejmujący te same dane, które opublikował xan:

Jeśli pożądane jest imię, jak to często bywa, jest to dwuwymiarowy wykres słupkowy (w tym przypadku). Nie będę tutaj katalogować innych terminów, z wyjątkiem tego, że wiele wykresów słupkowych jest jedną z popularnych alternatyw o podobnym smaku. (Mój mały sprzeciw wobec „wielokrotnego wykresu słupkowego” jest taki, że „wielokrotność” nie wyklucza bardzo powszechnych wykresów słupkowych ułożonych w stos lub obok siebie, podczas gdy „twoway” dla mnie wyraźniej implikuje układ wierszy i kolumn, chociaż z kolei może podać przykłady, aby to wyjaśnić).

Plusy i minusy dla tego rodzaju fabuły są również proste, ale przeliteruję trochę. Ponieważ lubię ten projekt (który sięga przynajmniej lat 30. XX wieku), inni mogą chcieć dodać ostrzejszą krytykę.

+1. Pomysł jest łatwy do zrozumienia , nawet przez grupy nietechniczne. Wysokości prętów lub długości prętów kodują częstotliwości w tym przykładzie. W innych przykładach mogą kodować procenty obliczone w dowolny sposób, reszty itp.

+2 Struktura wierszy i kolumn jest zgodna ze strukturą tabeli . Możesz także dodać wartości liczbowe. Bardzo małe ilości, a nawet domniemane zera są wyraźnie widoczne, co nie zawsze ma miejsce w przypadku innych wzorów (np. Skumulowane wykresy słupkowe, wykresy mozaikowe). Etykietowanie wierszy i kolumn jest zwykle bardziej wydajne niż dodawanie klucza lub legendy, co wymaga mentalnego „w przód i w tył”. W ten sposób ten projekt hybrydyzuje pomysły na wykresy i tabele, co najwyraźniej niepokoi niektórych czytelników; przeciwnie, argumentowałbym, że wyraźne rozróżnienie między figurami a tabelami to tylko historyczne kaciki, przestarzałe, ponieważ badacze mogą przygotowywać własne dokumenty i nie muszą polegać na projektantach, kompozytorach i drukarkach.

+3. Rozszerzenia konstrukcji trójdrożnych i wyższych są w zasadzie łatwe . Umieść dwie lub więcej zmiennych jako zmienne złożone na jednej lub obu osiach lub podaj tablicę takich wykresów. Oczywiście im bardziej skomplikowany projekt, tym bardziej skomplikowana interpretacja.

+4. Projekt wyraźnie dopuszcza zmienne porządkowe na każdej osi. Porządek można wyrazić (np.) Poprzez odpowiednie zacienienie, a także porządek kategorii na tej osi. Porządek kategorii na osiach można ustalić na podstawie ich znaczenia lub lepiej na podstawie częstotliwości; kolejność alfabetyczna według etykiet tekstowych może być domyślna, ale nigdy nie powinna być jedynym rozważanym wyborem.

-1. Działając ogólnie w projekcie, fabuła może być mniej skuteczna w pokazywaniu pewnych rodzajów relacji . W szczególności mozaikowa fabuła może bardzo wyraźnie wyjaśnić odstępstwa od niepodległości. I odwrotnie, gdy relacje między zmiennymi kategorialnymi są skomplikowane lub niejasne, wówczas zazwyczaj żaden wykres nie jest dobry w ukazaniu więcej niż tego słabego faktu.

-2. Pod pewnymi względami projekt nieefektywnie wykorzystuje przestrzeń , pozostawiając miejsce dla każdej kombinacji krzyżowej, niezależnie od tego, czy i jak często. Jest to wadą tej samej zasady uważanej za cnotę. Konkretny projekt nad kategoriami przestrzeni jednakowo niezależnie od ich częstotliwości; poświęcenie, które często poświęca czytelne marginalne etykiety, które bardzo cenię. W tym przykładzie etykiety tekstowe są bardzo krótkie, ale nie jest to typowe.

Uwaga: dane Xana wyglądają na wymyślone, więc nie będę próbował interpretacji bardziej niż w przypadku innych odpowiedzi. Ale pewna mądrość domowa zasługuje na ostatnie słowo: najlepszy projekt dla ciebie to taki, który najlepiej przekazuje tobie i twoim czytelnikom strukturę niektórych prawdziwych danych, na których ci zależy.

Inne przykłady obejmują

Jak możesz wyobrazić sobie związek między 3 zmiennymi kategorycznymi?

Wykres zależności między dwiema zmiennymi porządkowymi

Aby uzupełnić odpowiedzi @ gung i @ xan, oto przykład wykresów mozaikowych i asocjacyjnych używanych vcdw R.

> tab
        period
activity morning noon afternoon evening
  feed        28    4         0      56
  social      38    5         9      10
  travel       6    6        14      13

Aby uzyskać działki:

require(vcd)
mosaic(tab, shade=T, legend=T)
assoc(tab, shade=T, legend=T)

Obie intuicyjnie przedstawiają odstępstwa od oczekiwanych częstotliwości ... Domyślnie jest to model wzajemnej niezależności , ale można go zmienić (np. Na wspólną niezależność, jeśli istnieje wyraźna zmienna odpowiedzi) za pomocą expectedargumentu.

Zobacz też:

• Jak interpretować dwuwymiarową tabelę zdarzeń awaryjnych?