现代统计图形 - 科学网—博客
现代统计图形 - 科学网—博客
现代统计图形 - 科学网—博客
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
5.14 颜色图 95<br />
C和E系的优比大于1,观察图5.18可知,color参数的第一个颜色值填充<br />
第一、三象限的扇形,而优比小于1时,第一个颜色值填充第二、四象限。<br />
值1:<br />
其次我们完全可以将优比的置信区间分别算出来,看它们是否包含数<br />
1 > y = qnorm(0.975) * sqrt(apply(UCBAdmissions, 3, function(x) {<br />
2 + sum(1/x)<br />
3 + }))<br />
4 > conf = exp(cbind(log(x) - y, log(x) + y))<br />
5 > colnames(conf) = c("2.5%", "97.5%")<br />
6 > conf<br />
2.5% 97.5%<br />
A 0.2087 0.5844<br />
B 0.3404 1.8920<br />
C 0.8545 1.5024<br />
D 0.6863 1.2367<br />
E 0.8251 1.8088<br />
F 0.4552 1.5056<br />
显然,这些置信区间中只有A系的不包含1在内,因此对于该系来说可<br />
以拒绝零假设。这与图形得到的结论是完全相符的。这里我们提醒读者注<br />
意上面的R代码与数学公式的对应关系,很多时候根据数学公式写R代码是<br />
非常简单的工作。<br />
5.14 颜色图<br />
颜色图(Color Image)与颜色等高图看起来非常类似,但是等高图需<br />
要从网格矩阵中计算等高的数据点,有时还需要一些平滑处理,而颜色图<br />
并不涉及任何背后的计算,只是简单将一个网格矩阵映射到指定的颜色序<br />
列上、以颜色方块表示数据的大小。在数据规律性较强且数据量较大的时<br />
候,这两种图形的区别可以说微乎其微,而当数据没什么规律或者数据量<br />
比较小的时候,颜色图的色块就可以很清楚地显露出来了,图5.19为一个简<br />
单的示意图。<br />
R中颜色图的函数为image(),其用法如下:<br />
1 > usage(image, "default", 0.67)<br />
image(x = seq(0, 1, length.out = nrow(z)),<br />
y = seq(0, 1, length.out = ncol(z)), z,