मेरे पास बाएं-तिरछे / भारी पूंछ वाले वितरण की एक श्रृंखला है जिसे मैं दिखाना चाहूंगा। तीन कारकों में 42 वितरण होते हैं (लेबल के रूप में A, Bऔर Cनीचे)। इसके अलावा, भिन्नता पूरे कारक में सिकुड़ रही है B।
मेरे पास यह मुद्दा है कि वितरण परिणाम के पैमाने (एक अनुपात या गुना-परिवर्तन) में अंतर करना मुश्किल है:
डेटा को लॉग इन करने से बाईं तिरछीता पर अधिक जोर पड़ता है और पूंछ में अधिक नमूनों को स्थानांतरित करता है (बाहरी चीजों का मैश बनाकर):
क्या किसी के पास इन आंकड़ों को देखने के लिए अन्य तकनीकों पर सुझाव हैं?
प्रति बॉक्स प्लॉट का नमूना आकार लगभग 100 है। मान एक नए कम्प्यूटेशनल एल्गोरिथ्म (यानी पुराने रन-टाइम / नए रन समय) द्वारा प्राप्त गति-अप हैं। ऐसे अवसर होते हैं जहां यह महत्वपूर्ण समय बचत का उत्पादन नहीं करता है, इसलिए वितरण बाईं ओर स्थित है।
—
टोप्पो
धन्यवाद। मूंछों से परे अंकों की संख्या तब छोटी प्रतीत होती है।
—
निक कॉक्स
इन वितरणों के बारे में यह क्या है जिसे आप बेहतर देखना चाहते हैं? वर्तमान साजिश मुझे अच्छी लगती है: सी बहुत कम बनाता है, यदि कोई हो, अंतर; उच्च बी तंग और कम वितरण बनाता है; & उच्च A w / उच्च मान जाता है।
—
गंग -
exp()परिवर्तन इसके उल्टा होता है, लेकिन वह शायद अब तक यहाँ भी मजबूत है। स्क्वेरिंग एक माइलेज विकल्प है। आप यह नहीं कहते कि आपके पास कौन सा नमूना आकार है। यह स्पष्ट नहीं है कि मुख्य समस्या वास्तव में तिरछा छोड़ दी गई है, बल्कि बी 1 में बाईं पूंछ में कुछ उदारवादी आउटलेर के बजाय। क्या इस पर प्रकाश डालने के लिए यहां कोई विज्ञान नहीं है?