根据R中的2D密度图计算值的概率

debugcn 发表于 Dev

蒂姆

我正在寻找一个函数来计算B和R某种组合的可能性。数据的当前插图如下所示：

ggplot(df, aes(R,B)) +
geom_bin2d(binwidth = c(1,1))

有没有一种方法可以根据这两个正相关的离散相关变量来计算每种组合的概率（例如R = 23，B = 30）？

可以使用stat_density_2d来解决还是有更好的方法？

谢谢。

乔恩·斯普林

stat_density_2dMASS::kde2d在引擎盖下使用。我想有很多方法可以做到这一点，但我们可以将数据输入该函数并将其转换为整洁的数据，以获得该类型估计的平滑版本。

首先，一些像您这样的数据：

library(tidyverse)
set.seed(42)
df <- tibble(
  R = rlnorm(1E4, 0, 0.2) * 100,
  B = R * rnorm(1E4, 1, 0.2)
)

ggplot(df, aes(R,B)) +
  geom_bin2d(binwidth = c(1,1))

在这里运行密度并转换为与数据具有相同坐标的小标题。（是否有更好的方法可以做到这一点？）

n = 201 # arbitrary grid size, chosen to be 1 more than the range below 
        #   so the breaks are at integers
smooth <- MASS::kde2d(df$R, df$B, lims = c(0, 200, 0, 200),
                      # h = c(20,20),  # could tweak bandwidth here 
                      n = n) 
df_smoothed <- smooth$z %>% 
  as_tibble() %>%
  pivot_longer(cols = everything(), names_to = "col", values_to = "val") %>% 
  mutate(R = rep(smooth$x, each = n), # EDIT: fixed, these were swapped
         B = rep(smooth$y, n))

df_smoothed现在拥有R和B维度中所有从0：200开始的坐标，并具有val列中每种组合的概率。这些加起来几乎等于1（在这种情况下为99.6％）。我认为剩余的smidgen是超出指定范围的坐标的概率。

sum(df_smoothed$val)
#[1] 0.9960702

任何特定组合的机会都只是该点的密度值。因此，R = 70和B = 100的机会是0.013％。

df_smoothed %>%
  filter(R == 70, B == 100)
## A tibble: 1 x 4
#  col        val     R     B
#  <chr>    <dbl> <int> <int>
#1 V101   0.0000345    70   100

R在50-100之间和B在50-100之间的机会是36.9％：

df_smoothed %>%
  filter(R %>% between(50, 100),
         B %>% between(50, 100)) %>%
  summarize(total_val = sum(val))
## A tibble: 1 x 1
#total_val
#<dbl>
#  1     0.369

以下是平滑数据和原始数据的外观：

ggplot() +
  geom_tile(data = df_smoothed, aes(R, B, alpha = val), fill = "red") +
  geom_point(data = df %>% sample_n(500), aes(R, B), size = 0.2, alpha = 1/5)