Statistics筆記4 - Visualizing Data

Scatterplots：探討兩個變數之間的關係

點圖，用來顯示兩個“可能”(意即correlation，而非causation)有關係變數。X軸的變數通常放explanatory variable用來當解釋原因，Y軸則是觀察到的結果，可能跟explanatory variable有關，稱為response variable:

我們要圖表就是為了要找出兩個變數之間可能的關係：

Dot plot：如果關注個別資料點的數值

如果對每個點的值有興趣，而非整體的趨勢或分佈，則dotplot適合用。不過資料點一多就GG了。

Box plot：顯示outliers, median, IQR

圖上已經標示出了IQR(中間50%族群）, 中位數, 以及outliers，感覺相當有用的東西啊！

注意box plot也有skewness的特性，因為資料密集會被顯示在box plot上。例如上圖是一個left-skewed的box plot，因為50%的data都在右邊，下圖是一個right-skewed的box plot:

Histogram: 顯示某個變數自己的data distribution

上圖是一個left-skewed histogram，所謂的skewed就是看低谷尾巴在左還是在右。
left-skewed代表data density集中在右邊。

當然也有right-skewed histogram，代表data density集中在左邊。

以下是三種可能的skewness:

Histogram Modality

如果單看Histogram高峰(modality)的話，又有以下幾種型態：

其中我們會用normal distribution來model unimodal的分佈，而比較要注意的是bimodal，如果出現了bimodal，這代表你的data中可能有兩個不同的族群：

uniform modality則會用uniform distribution來model。