Grafica alternativa ai grafici "handle bar"

Nella mia area di ricerca, un modo popolare di visualizzare i dati consiste nell'utilizzare una combinazione di un grafico a barre con "manubri". Per esempio,

I "manubri" si alternano tra errori standard e deviazioni standard a seconda dell'autore. In genere, le dimensioni del campione per ogni "barra" sono piuttosto piccole - circa sei.

Queste trame sembrano essere particolarmente popolari nelle scienze biologiche - vedi i primi articoli di BMC Biology, vol 3 per esempi.

Come presenteresti questi dati?

Perché non mi piacciono queste trame

Personalmente non mi piacciono queste trame.

1. Quando le dimensioni del campione sono ridotte, perché non visualizzare solo i singoli punti dati.
2. È il sd o il se che viene visualizzato? Nessuno concorda quale utilizzare.
3. Perché usare le barre. I dati non vanno (generalmente) da 0 ma un primo passaggio nel grafico suggerisce che lo fa.
4. I grafici non danno un'idea dell'intervallo o della dimensione del campione dei dati.

Sceneggiatura R.

Questo è il codice R che ho usato per generare la trama. In questo modo puoi (se vuoi) usare gli stessi dati.

                                        #Generate the data
set.seed(1)
names = c("A1", "A2", "A3", "B1", "B2", "B3", "C1", "C2", "C3")
prevs = c(38, 37, 31, 31, 29, 26, 40, 32, 39)

n=6; se = numeric(length(prevs))
for(i in 1:length(prevs))
  se[i] = sd(rnorm(n, prevs, 15))/n

                                        #Basic plot
par(fin=c(6,6), pin=c(6,6), mai=c(0.8,1.0,0.0,0.125), cex.axis=0.8)
barplot(prevs,space=c(0,0,0,3,0,0, 3,0,0), names.arg=NULL, horiz=FALSE,
        axes=FALSE, ylab="Percent", col=c(2,3,4), width=5, ylim=range(0,50))

                                        #Add in the CIs
xx = c(2.5, 7.5, 12.5, 32.5, 37.5, 42.5,  62.5, 67.5, 72.5)
for (i in 1:length(prevs)) {
  lines(rep(xx[i], 2), c(prevs[i], prevs[i]+se[i]))
  lines(c(xx[i]+1/2, xx[i]-1/2), rep(prevs[i]+se[i], 2))
}

                                        #Add the axis
axis(2, tick=TRUE, xaxp=c(0, 50, 5))
axis(1, at=xx+0.1, labels=names, font=1,
     tck=0, tcl=0, las=1, padj=0, col=0, cex=0.1)

Grazie per tutte le risposte. Per completezza, ho pensato di includere ciò che faccio di solito. Tendo a fare una combinazione dei suggerimenti forniti: punti, grafici a scatole (quando n è grande) e intervalli se (o sd).

( Rimosso dal moderatore perché il sito che ospita l'immagine non sembra più funzionare correttamente. )

Dal diagramma a punti, è chiaro che i dati sono molto più diffusi tra quelli suggeriti dalla barra "handle bar". In effetti, c'è un valore negativo in A3!

Ho reso questa risposta un CW, quindi non ottengo un rappresentante

Il keynote (più eccellente) di Frank Harrell intitolato "Allergia all'informazione" in uso R! il mese scorso ha mostrato alternative a queste: piuttosto che nascondere i dati grezzi tramite l'aggregazione fornita dalle barre, i dati grezzi vengono anche visualizzati come punti (o punti). "Perché nascondere i dati?" fu il commento di Frank.

Dato alpa blending, questo appare come un suggerimento sensato (e l'intero discorso è pieno di pepite buone e importanti).

Da un punto di vista psicologico, propongo di tracciare i dati più la tua incertezza sui dati. Quindi, in una trama come mostrate, non mi preoccuperei mai di estendere completamente le barre a zero, il che serve solo a minimizzare la capacità dell'occhio di distinguere le differenze nella gamma dei dati.

Inoltre, sono francamente anti-bargraph; i grafici a barre associano due variabili allo stesso attributo estetico (posizione dell'asse x), che può causare confusione. Un approccio migliore consiste nell'evitare la mappatura estetica ridondante mappando una variabile sull'asse xe un'altra variabile su un altro attributo estetico (ad es. Forma o colore del punto o entrambi).

Infine, nella trama sopra, includi solo barre di errore sopra il valore, il che ostacola la capacità di confrontare gli intervalli di incertezza rispetto alle barre sopra e sotto il valore.

Ecco come vorrei tracciare i dati (tramite il pacchetto ggplot2). Nota che aggiungo linee che collegano punti della stessa serie; alcuni sostengono che ciò sia appropriato solo quando le serie attraverso le quali sono collegate le linee sono numeriche (come sembra essere in questo caso), tuttavia fino a quando esiste una ragionevole relazione ordinale tra i livelli della variabile dell'asse x, penso le linee di collegamento sono utili per aiutare l'occhio a associare i punti attraverso l'asse x. Questo può diventare particolarmente utile per rilevare le interazioni, che si distinguono davvero per le linee.

library(ggplot2)
a = data.frame(names,prevs,se)
a$let = substr(a$names,1,1)
a$num = substr(a$names,2,2)
ggplot(data = a)+
layer(
    geom = 'point'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , shape = let
    )
)+
layer(
    geom = 'line'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , linetype = let
        , group = let
    )    
)+
layer(
    geom = 'errorbar'
    , mapping = aes(
        x = num
        , ymin = prevs-se
        , ymax = prevs+se
        , colour = let
    )
    , alpha = .5
    , width = .5
)

Sono curioso di sapere perché non ti piacciono queste trame. Li uso sempre. Senza voler dichiarare la fioritura ovvia, ti permettono di confrontare le medie dei diversi gruppi e vedere se i loro IC al 95% si sovrappongono (cioè, la vera media probabilmente sarà diversa).

È importante trovare un equilibrio tra semplicità e informazioni per scopi diversi, immagino. Ma quando uso queste trame sto dicendo: "questi due gruppi sono diversi l'uno dall'altro in qualche modo importante" [o no].

Mi sembra molto bello, ma sarei interessato a sentire dei contro-esempi. Suppongo implicito nell'uso della trama che i dati non abbiano una distribuzione bizzosa che renda la media non valida o fuorviante.

Se i dati sono tariffe : questo è il numero di successi diviso per il numero di prove, quindi un metodo molto elegante è un diagramma a imbuto. Ad esempio, vedi http://qshc.bmj.com/content/11/4/390.2.full (mi scuso se il link richiede un abbonamento - fammi sapere e ne troverò un altro).

Potrebbe essere possibile adattarlo ad altri tipi di dati, ma non ho visto alcun esempio.

AGGIORNARE:

Ecco un link ad un esempio che non richiede un abbonamento (e ha una buona spiegazione su come potrebbero essere utilizzati): http://understandinguncertainty.org/fertility

Possono essere utilizzati per dati non tariffari, semplicemente tracciando la media rispetto all'errore standard, tuttavia potrebbero perdere parte della loro semplicità.

L'articolo di Wikipedia non è eccezionale, in quanto illustra solo il loro uso nelle meta-analisi. Direi che potrebbero essere utili in molti altri contesti.

Vorrei usare i grafici a scatole qui; pulito, significativo, non parametrico ... O vioplot se la distribuzione è più interessante.

Semplificazione del fantastico codice di @ csgillespie dall'alto:

qplot(
    data=a,
    x=num,
    y=prevs,
    colour=let,
    shape=let,
    group=let,
    ymin=prevs-se,
    ymax=prevs+se,
    position=position_dodge(width=0.25),
    geom=c("point", "line", "errorbar")
    )

Preferisco geom_pointrange a errorbar e penso che le linee siano fonte di distrazione piuttosto che utili. Ecco la versione che trovo molto più pulita della versione @James o @csgillespie:

qplot(
 data=a,
 x=num,
 y=prevs,
 colour=let,
 ymin=prevs-se,
 ymax=prevs+se,
 position=position_dodge(width=0.25),
 geom=c("pointrange"), size=I(2)
 )