변동 계수에 대한 최상의 플롯 또는 그래프?

Question

제목과 똑같이 ... 내가 다른 CV를 많이 가지고 있고 그것을 어떻게 해석합니까? 그래프/플롯을 사용할 수 있습니까? 또한 표준 편차와 이력서와 수단 (50)의 다음 세트를 고려

Answer 1

OFC R에서 그것을 할 수있는 코드 내용은 다음과 같습니다

df <- structure(list(sigmas = c(10.1, 6.1, 8.5, 13.9, 1.7, 4.5, 5.5, 
5.4, 12.3, 8.6, 13, 11.4, 2.3, 11.9, 7.2, 8.6, 1, 5.3, 8, 16.7, 
17.3, 12.3, 15.5, 7.1, 8.1, 14.1, 16.8, 4.8, 15.4, 7.1, 10.7, 
1.9, 3.4, 18, 8.5, 15, 16.5, 19.1, 13.7, 10, 5.5, 4.6, 0.3, 14.6, 
5, 3.2, 0.3, 9.7, 2.1, 16), means = c(103.1, 190.5, 86.9, 121, 
78.7, 137.5, 118.9, 120.1, 110, 125.8, 54.8, 67.2, 120.3, 109.5, 
175, 164.2, 136, 117.1, 62.6, 82.9, 61.3, 130.2, 146.2, 128.9, 
55.9, 131.9, 105.9, 194.2, 88.6, 81.2, 179.2, 119.7, 83.4, 143.5, 
80.5, 53, 169.7, 91.1, 75, 75.5, 123.3, 156.7, 138.8, 127.6, 
107.2, 175.2, 87.4, 131.1, 161.6, 54.5), CVs = c(0.098, 0.032, 
0.098, 0.115, 0.022, 0.033, 0.046, 0.045, 0.112, 0.068, 0.237, 
0.17, 0.019, 0.109, 0.041, 0.052, 0.007, 0.045, 0.128, 0.201, 
0.282, 0.094, 0.106, 0.055, 0.145, 0.107, 0.159, 0.025, 0.174, 
0.087, 0.06, 0.016, 0.041, 0.125, 0.106, 0.283, 0.097, 0.21, 
0.183, 0.132, 0.045, 0.029, 0.002, 0.114, 0.047, 0.018, 0.003, 
0.074, 0.013, 0.294)), .Names = c("sigmas", "means", "CVs"), row.names = c(NA, 
-50L), class = "data.frame") 

간단하지만 유익한 그래프는 다음과 같은 "평균 SD-CV"산란은 수 줄거리 :

library(ggplot2) 
ggplot(aes(x=means, y=sigmas, col=CVs, size=CVs), data=df) + geom_point() 

은 내가 당신을 도울 수 있기를 바랍니다.

Answer 2

흔히 CV는 생물 측정법에서 평균 신호 값과 같은 매우 다른 수단을 가질 것으로 예상되는 추정의 정확도를 비교하는 데 사용됩니다. 그게 사실이라면,이 음모 (Marco의 코드에서 영감을받은)가 잘 작동 할 것입니다. 그것은 또한 CV가 농도에 따라 체계적으로 어떻게 변하는지를 암시합니다.

d <- data.frame(conc = rep(c(1, 2, 4, 8, 16), 2), 
       run = factor(c(rep(1, 5), rep(2, 5))), 
       CV = c(1.7, 1.8, 1.3, 1.4, 1.5, 1.9, 1.6, 1.2, 0.9, 1.3)) 

ggplot(aes(x = conc, y = CV, col = run), data = d) + 
    geom_point()