CCDF(相補累積分布関数)をecdf()とggplot2でかんたんに書く

CCDFとは

CCDF (Complementary Cumulative Distribution Function)。Wiki(En)もしくはWiki(Jp)を読む。

次のようなポアソン分布に従う頻度データ（カウントデータ）のCCDFを両対数グラフ上にggplot2で書きたい。

data <- tibble(count = rpois(n = 1000, lambda = 20))
> data
# A tibble: 1,000 x 1
   count
   <int>
 1    12
 2    19
 3    15
 4    14
 5    17
 6    18
 7    13
 8    22
 9    14
10    19
# … with 990 more rows

1: stat_ecdf()でプロットし、生成されたdata.frameをもう一回プロットする

"CCDF ggplot"でググると、まずggplot2にデフォルトで用意されているstat_ecdf()で経験的累積分布関数ECDFをかき、そこからggplot_build()を使って値を取り出してこい、という方法がまず出てくる。

ECDFがどういう見た目になるか

stat_ecdf plot}

data %>% 
  ggplot(
    aes(
      x = count
    )
  ) +
  stat_ecdf(pad = FALSE)

このプロットからデータフレームを抽出する。

extract data.frame from stat_ecdf.r}

data_ecdf <- 
  ggplot_build(
    data %>% 
      ggplot(
        aes(
          x = count
        )
      ) +
      stat_ecdf(pad = FALSE)
  )$data[[1]]

読みにくいったらありゃしない。さらにここから両対数グラフにプロットするには

stat_ecdf.r}

data_ecdf %>% 
  ggplot(aes(x = count, y = 1 - y)) +
  geom_point() +
  scale_x_continuous(trans = "log10", breaks = 10^(0:10))+
  scale_y_continuous(trans = "log10", breaks = 10^(0:-10)) 

とする必要がある。

これらをいっぺんに行うにはecdf()を使う。

2: ecdf()で値を取り出す

先述のstackoverflowの２つ目の回答を改良する。{stats}にはいっているecdf()を用いて、

ecdf.r}

data %>%
  ggplot(aes(x = count, y = 1 - ecdf(count)(count))) +
  geom_point() +
  scale_x_continuous(trans = "log10", breaks = 10^(0:10))+
  scale_y_continuous(trans = "log10", breaks = 10^(0:-10)) 

これだけでよい。ラクチン！