Mam serię rozkładów skośnych / grubych ogonów, które chciałbym pokazać. Istnieje 42 dystrybucje na trzech czynników (oznaczony jako A, Ba Cponiżej). Różnica maleje również w zależności od czynnika B.
Problemem jest to, że rozkłady trudno jest rozróżnić w skali wyniku (stosunek lub zmiana krotności):
Wydaje się, że rejestrowanie danych nadmiernie podkreśla lewe nachylenie i przenosi więcej próbek do ogonów (tworząc połączenie punktów odstających):
Czy ktoś ma sugestie dotyczące innych technik wizualizacji tych danych?
Wielkość próbki na wykresie pudełkowym wynosi około 100. Wartości to przyspieszenia osiągane przez nowy algorytm obliczeniowy (tj. Stary czas pracy / nowy czas pracy). Zdarzają się sytuacje, w których nie przynosi znacznych oszczędności czasu, więc dystrybucje zwykle idą w lewo.
—
topepo
Dzięki. Liczba punktów poza wąsami wydaje się wtedy raczej niewielka.
—
Nick Cox,
Co takiego jest w tych dystrybucjach, które chcesz zobaczyć lepiej? Obecna fabuła wygląda dla mnie dobrze: C robi bardzo niewielką różnicę; wyższa wartość B powoduje, że rozkłady są węższe i niższe; i wyższe A idzie w / wyższe wartości.
—
gung - Przywróć Monikę
exp()Transformacja jest jego odwrotność, ale to chyba zbyt silny tutaj. Kwadratowanie jest łagodniejszą alternatywą. Nie mówisz, jakie masz rozmiary próby. Nie jest oczywiste, że głównym problemem jest naprawdę lewy skośność, a nie kilka umiarkowanych wartości odstających na lewym ogonie w B1. Czy nie ma tu nauki, która by rzuciła na to światło?