非常に多くのペアのデータポイントをグラフィカルに表す良い方法は何ですか？

私の分野では、ペアのデータをプロットする通常の方法は、2つのグループの中央値と中央値のCIでオーバーレイする一連の細い傾斜線セグメントとしてです。

ただし、この種のプロットは、データポイントの数が非常に大きくなるため（私の場合、1万ペア程度）、読みにくくなります。

アルファを減らすことは少し助けになりますが、それでもまだ素晴らしいとは言えません。解決策を探しているときに、このホワイトペーパーに出くわし、「平行線プロット」を実装することにしました。繰り返しますが、これは少数のデータポイントに対して非常にうまく機能します。

$N$

たとえば、ボックスプロットやバイオリンを使用して2つのグループの分布を個別に表示し、2つの中央値/ CIを示す上部にエラーバーを付けて線をプロットすることはできると思いますが、それは伝えられないので、私は本当にその考えが好きではありません。データのペアの性質。

また、2D散布図のアイデアにあまり熱心ではありません。よりコンパクトな表現が理想的です。理想的には、2つのグループの値が同じ軸に沿ってプロットされている表現が望ましいです。完全を期すために、データは2D散布図のようになります。

非常に大きなサンプルサイズでペアのデータを表すより良い方法を誰かが知っていますか？いくつかの例にリンクしていただけませんか？

編集する

すみません、私が探しているものを説明するのに十分な仕事をしていないのは明らかです。はい、2D散布図は機能します。ポイントの密度をよりよく伝えるために、2D散布図を改善する方法はたくさんあります-カーネル密度推定に従ってドットを色分けして、2Dヒストグラムを作成できます、等高線をドットの上などにプロットできます...

しかし、これは私が伝えようとしているメッセージに対してはやり過ぎだと思います。ポイント自体の 2D密度を表示することについては特に気にしません-必要なのは、「棒」の値が「点」の値よりも一般的に大きいことを、できるだけ単純かつ明確な方法で示すことだけです。 、そしてデータの本質的なペアの性質を失うことなく。理想的には、2つのグループのペアの値を直交軸ではなく同じ軸に沿ってプロットしたいのです。これにより、視覚的に比較することが容易になります。

多分散布図より良い選択肢はありませんが、うまくいく可能性のある代替案があるかどうか知りたいのですが。

あなたの目的を私がどのように理解しているかを考えると、ペアの差（bars - dots）を計算し、これらの差をヒストグラムまたはカーネル密度推定プロットにプロットします。また、（1）差ゼロに対応する垂直線（2）パーセンタイルの任意の組み合わせを追加することもできます。

これにより、データのどの部分がbarsを超えてdotsいるか、一般的には観察された違いが何であるかがわかります。

（私はあなたの実際の、生の値を表示するのに興味がないと仮定してきたbarsとdots同じプロットインチ）

これらの違いが有意であるかどうかを示すために、信頼度または信頼できる事後間隔をプロットすることもできます。（H / T @MrMeritology！）

$y_B - y_A$$y_A$

グラフィカルに、アルファファクター（*）を減らし、表示されているとおりにラインを表示できます。ラインのランダムなサンプルのみを表示することで、さらに減らすことができます。次に、傾斜に応じて線に色を付けることができます...

Nick Coxのコメントで言及されているBland-Altmanプロットについては、たとえば、個人ごとに複数の観測値を持つメソッド間の協定の例を参照する か、またはbland-altman-plotタグを調べてください。

（*）ここでのアルファ係数は、プロット内のポイントを透明にするグラフィカルパラメータであるため、最初にプロットされたポイントは、後でオーバープロットによって完全に隠蔽されるわけではありません。

2D散布図を使用します。混雑した地域でのコントラストを高めるために、基準線を薄い灰色で描画します。混雑を緩和するには、境界線なしでマーカーを描画し、アルファをさらに減らし、マーカーサイズを減らします。

それはあなたがより多くのディストリビューションの翼よりも典型的なペアに興味がある場合は、ラインプロットの累積和してみてください、とdotsの累積和対をbars。プロットは2Dのままですが、インクははるかに少なくなっています。プロットエリアも保存するには、トレースを45°回転して、フレームが基準方向になるようにします。

そのプロットは、データの傾向も示します。プロセスが定常的であることがわかっている場合は、ペアを、たとえばそれらの幾何平均などで並べ替えますsqrt(bars*dots)。

中央値と四分位数、またはその点について必要な数の百分位数の場合、線をプロットすることをお勧めします。中央値は、他の百分位数の線よりも厚いままであるか、識別可能である可能性があります。これは、フィールドで現在使用されているプロットの単純さと親しみやすさを損なうことなく、分布全体でのデータの動作を確認する機能を維持するのに役立ちます。

また、このような高いサンプルサイズでは、中心極限定理を完全に楽しんでいるため、エラーバーのある平均または中央値のトレンドで十分な可能性があります。生物医学分野もこれらのペアのラインプロットに依存していますが、サンプルサイズが10〜20のオーダーになる可能性があるため、これはよく起こります。そのため、潜在的なレバレッジポイントを視覚化することが重要です。

私の最初の提案は散布図です。

プロットで10000ドットが不均一に広がっている場合でも、あいまいな雲であれば、ヒートマップを検討してください。x = 10.5、y = 11.5のピクセルの色は、10.45から10.55の間の値が11.45から11.55の間の値にマッピングされる回数を示します。0=白= RGB（255,255,255）、1 =青= RGB（0、 0,255）、2 = RGB（1,0,254）、... 256以上= RGB（255,0,0）=赤