
5.3
変動
79
これまでの質問の多くは、例えば、ある変数が別の変数の振る舞いを説明するのではないかと、
変数間の関係を調べる契機となります。もう少し後で、これを取り上げます。
5.3.3
異常値
パターンに当てはまらないデータ点である外れ値は異常な値です。外れ値はデータ入力エラーの
こともあれば、重要な新しい科学のきっかけとなることもあります。データが多数あると、ヒストグ
ラムでは、外れ値に気付くこと自体が困難です。例えば、データセット
diamonds
の
y
変数の分布を
考えます。外れ値が存在する証拠は、
y
の軸が(表示されているデータに比べると)異常に長くとら
れていることだけです。
ggplot(diamonds) +
geom_histogram(mapping = aes(x = y), binwidth = 0.5)
非常に多数の観測が一部の区間にあり、観測数の少ない区間の高さが非常に低いので、目には見
えない(もっとも、0 の付近で目を凝らせば見つかるかもしれません)。異常値を見えやすくするには、
y
の軸の小さな値まで
coord_cartesian()
で拡大します。
ggplot(diamonds) +
geom_histogram(mapping = aes(x = y), binwidth = 0.5) +
coord_cartesian(ylim = c(0, 50))