Gráfico de regresión compleja en R

Question

Necesito dibujar un gráfico complejo para el análisis visual de datos. Tengo 2 variables y un gran número de casos (>1000). Por ejemplo (el número es 100 si para hacer la dispersión menos "normal"):

x <- rnorm(100,mean=95,sd=50)
y <- rnorm(100,mean=35,sd=20)
d <- data.frame(x=x,y=y)

1) Necesito representar gráficamente los datos brutos con el tamaño de los puntos, correspondiente a la frecuencia relativa de las coincidencias, de modo que plot(x,y) no es una opción: necesito tamaños de punto. ¿Qué hay que hacer para conseguirlo?

2) En el mismo gráfico necesito trazar la elipse del intervalo de confianza del 95% y la línea que representa el cambio de correlación (no sé cómo llamarlo correctamente) - algo así:

library(corrgram)
corrgram(d, order=TRUE, lower.panel=panel.ellipse, upper.panel=panel.pts)

pero con los dos gráficos en una parcela.

3) Por último, necesito dibujar un modelo de regresión lineal resultante sobre todo esto:

r<-lm(y~x, data=d)
abline(r,col=2,lwd=2)

pero con rango de error... algo así como en QQ-plot:

sino por errores de ajuste, si es posible.

Así que la pregunta es:

¿Cómo conseguir todo esto en un solo gráfico?

Answer 1

¿Se parece la imagen a lo que quiere conseguir?

Aquí está el actualizado Código R, siguiendo sus comentarios:

do.it <- function(df, type="confidence", ...) {
  require(ellipse)
  lm0 <- lm(y ~ x, data=df)
  xc <- with(df, xyTable(x, y))
  df.new <- data.frame(x=seq(min(df$x), max(df$x), 0.1))
  pred.ulb <- predict(lm0, df.new, interval=type)
  pred.lo <- predict(loess(y ~ x, data=df), df.new)
  plot(xc$x, xc$y, cex=xc$number*2/3, xlab="x", ylab="y", ...)
  abline(lm0, col="red")
  lines(df.new$x, pred.lo, col="green", lwd=1.5)
  lines(df.new$x, pred.ulb[,"lwr"], lty=2, col="red")
  lines(df.new$x, pred.ulb[,"upr"], lty=2, col="red")    
  lines(ellipse(cor(df$x, df$y), scale=c(sd(df$x),sd(df$y)), 
        centre=c(mean(df$x),mean(df$y))), lwd=1.5, col="green")
  invisible(lm0)
}

set.seed(101)
n <- 1000
x <- rnorm(n, mean=2)
y <- 1.5 + 0.4*x + rnorm(n)
df <- data.frame(x=x, y=y)

# take a bootstrap sample
df <- df[sample(nrow(df), nrow(df), rep=TRUE),]

do.it(df, pch=19, col=rgb(0,0,.7,.5))

Y aquí está el ggplotized versión

producido con el siguiente fragmento de código:

xc <- with(df, xyTable(x, y))
df2 <- cbind.data.frame(x=xc$x, y=xc$y, n=xc$number)
df.ell <- as.data.frame(with(df, ellipse(cor(x, y), 
                                         scale=c(sd(x),sd(y)), 
                                         centre=c(mean(x),mean(y)))))
library(ggplot2)

ggplot(data=df2, aes(x=x, y=y)) + 
  geom_point(aes(size=n), alpha=.6) + 
  stat_smooth(data=df, method="loess", se=FALSE, color="green") + 
  stat_smooth(data=df, method="lm") +
  geom_path(data=df.ell, colour="green", size=1.2)

Se podría personalizar un poco más añadiendo índices de ajuste del modelo, como la distancia de Cook, con un efecto de sombreado de colores.

Answer 2

Para el punto 1 basta con utilizar el cex en el trazado para establecer el tamaño del punto.

Por ejemplo

x = rnorm(100)
plot(x, pch=20, cex=abs(x))

Para disponer de varios gráficos en un mismo trazado, utilice par(mfrow=c(numrows, numcols)) tener una disposición uniforme o layout para hacer otras más complejas.