Plot regresi kompleks dalam R

Saya perlu menggambar grafik yang kompleks untuk analisis data visual. Saya memiliki 2 variabel dan sejumlah besar kasus (> 1000). Misalnya (angka 100 jika membuat dispersi kurang "normal"):

x <- rnorm(100,mean=95,sd=50)
y <- rnorm(100,mean=35,sd=20)
d <- data.frame(x=x,y=y)

1) Saya perlu memplot data mentah dengan ukuran titik, yang sesuai dengan frekuensi relatif dari kebetulan, jadi plot(x,y)bukan pilihan - saya perlu ukuran titik. Apa yang harus dilakukan untuk mencapai ini?

2) Pada plot yang sama saya perlu memplot interval kepercayaan 95% elips dan garis yang mewakili perubahan korelasi (tidak tahu bagaimana cara menamainya dengan benar) - sesuatu seperti ini:

library(corrgram)
corrgram(d, order=TRUE, lower.panel=panel.ellipse, upper.panel=panel.pts)

tetapi dengan kedua grafik pada satu plot.

3) Akhirnya, saya perlu menggambar model regresi linar yang dihasilkan di atas semua ini:

r<-lm(y~x, data=d)
abline(r,col=2,lwd=2)

tetapi dengan rentang kesalahan ... sesuatu seperti pada QQ-plot:

tetapi untuk kesalahan pemasangan, jika memungkinkan.

Jadi pertanyaannya adalah:

Bagaimana cara mencapai semua ini dalam satu grafik?

Apakah gambar di bawah ini terlihat seperti apa yang ingin Anda capai?

Berikut kode R yang diperbarui , mengikuti komentar Anda:

do.it <- function(df, type="confidence", ...) {
  require(ellipse)
  lm0 <- lm(y ~ x, data=df)
  xc <- with(df, xyTable(x, y))
  df.new <- data.frame(x=seq(min(df$x), max(df$x), 0.1))
  pred.ulb <- predict(lm0, df.new, interval=type)
  pred.lo <- predict(loess(y ~ x, data=df), df.new)
  plot(xc$x, xc$y, cex=xc$number*2/3, xlab="x", ylab="y", ...)
  abline(lm0, col="red")
  lines(df.new$x, pred.lo, col="green", lwd=1.5)
  lines(df.new$x, pred.ulb[,"lwr"], lty=2, col="red")
  lines(df.new$x, pred.ulb[,"upr"], lty=2, col="red")    
  lines(ellipse(cor(df$x, df$y), scale=c(sd(df$x),sd(df$y)), 
        centre=c(mean(df$x),mean(df$y))), lwd=1.5, col="green")
  invisible(lm0)
}

set.seed(101)
n <- 1000
x <- rnorm(n, mean=2)
y <- 1.5 + 0.4*x + rnorm(n)
df <- data.frame(x=x, y=y)

# take a bootstrap sample
df <- df[sample(nrow(df), nrow(df), rep=TRUE),]

do.it(df, pch=19, col=rgb(0,0,.7,.5))

Dan ini adalah versi ggplotized

diproduksi dengan potongan kode berikut:

xc <- with(df, xyTable(x, y))
df2 <- cbind.data.frame(x=xc$x, y=xc$y, n=xc$number)
df.ell <- as.data.frame(with(df, ellipse(cor(x, y), 
                                         scale=c(sd(x),sd(y)), 
                                         centre=c(mean(x),mean(y)))))
library(ggplot2)

ggplot(data=df2, aes(x=x, y=y)) + 
  geom_point(aes(size=n), alpha=.6) + 
  stat_smooth(data=df, method="loess", se=FALSE, color="green") + 
  stat_smooth(data=df, method="lm") +
  geom_path(data=df.ell, colour="green", size=1.2)

Itu bisa dikustomisasi sedikit lebih dengan menambahkan indeks model fit, seperti jarak Cook, dengan efek naungan warna.

Untuk poin 1 cukup gunakan cexparameter pada plot untuk mengatur ukuran poin.

Contohnya

x = rnorm(100)
plot(x, pch=20, cex=abs(x))

Untuk memiliki banyak grafik dalam satu plot, gunakan par(mfrow=c(numrows, numcols))tata letak dengan jarak yang sama atau layoutuntuk membuat yang lebih rumit.