Memvisualisasikan banyak distribusi miring ke kiri

10

Saya memiliki serangkaian distribusi miring kiri / berat yang ingin saya perlihatkan. Ada 42 distribusi di tiga faktor (diberi label A, Bdan di Cbawah). Juga, variasi menyusut antar faktor B.

Masalah yang saya miliki adalah bahwa distribusinya sulit dibedakan berdasarkan skala hasil (rasio atau lipat-perubahan):

masukkan deskripsi gambar di sini

Loging data tampaknya terlalu menekankan kemiringan kiri dan memindahkan lebih banyak sampel ke ekor (menciptakan tumbuk poin outlier):

masukkan deskripsi gambar di sini

Adakah yang punya saran tentang teknik lain untuk memvisualisasikan data ini?

topepo
sumber
5
Penebangan sering digunakan untuk mengurangi kecenderungan-kanan, sehingga diharapkan dapat meningkatkan kecenderungan-kiri. The exp()transformasi kebalikannya, tapi itu mungkin terlalu kuat di sini. Mengkuadratkan adalah alternatif yang lebih ringan. Anda tidak mengatakan ukuran sampel apa yang Anda miliki. Tidak jelas bahwa masalah utama benar-benar miring, daripada beberapa outlier moderat di ekor kiri di B1. Apakah tidak ada ilmu pengetahuan di sini untuk menjelaskan hal ini?
Nick Cox
1
Ukuran sampel per plot kotak adalah sekitar 100. Nilainya adalah percepatan yang dicapai oleh algoritma komputasi baru (yaitu run-time lama / run time baru). Ada saat-saat ketika itu tidak menghasilkan penghematan waktu yang signifikan sehingga distribusi cenderung untuk pergi ke kiri.
topepo
Terima kasih. Jumlah poin di luar kumis tampaknya agak kecil.
Nick Cox
3
Ada apa dengan distribusi ini yang ingin Anda lihat lebih baik? Plot yang sekarang terlihat bagus untuk saya: C membuat sangat sedikit, jika ada, perbedaan; B lebih tinggi membuat distribusi lebih ketat & lebih rendah; & lebih tinggi A berjalan dengan nilai yang lebih tinggi.
gung - Reinstate Monica

Jawaban:

0

Hanya sebuah ide: jika Anda dapat menggambarkan distribusi yang Anda dapatkan relatif baik dengan distribusi normal, Anda dapat melakukan plot 2 dimensi yang menunjukkan dampak A, Bdan Cpada parameter distribusi yang sesuai: deviasi mean dan standar.

Atau Anda mencoba menemukan langkah-langkah penjelasan lain untuk distribusi yang Anda dapatkan dan menunjukkan dampak dari ketiga variabel tersebut pada mereka.

Jika Anda menemukan bahwa dua variabel memiliki interaksi, Anda dapat melakukan plot 3d. Mari kita berharap mereka tidak saling berinteraksi satu sama lain. ;)

Elmar Macek
sumber