Скажем, у меня есть результат моделирования Монте-Карло одной переменной за несколько разных итераций (думаю, миллионы). Для каждой итерации у меня есть значения переменной в каждый момент времени (от t = 1 до t = 365).
Я хотел бы создать следующий график: для каждого момента времени t по оси x и для каждого возможного значения «y» в заданном диапазоне установите цвет x, y на «k», где «k» - подсчет количества наблюдений в непосредственной близости от расстояния "d" до x, y.
Я знаю, что вы можете легко сделать тепловые карты плотности для одномерных данных, но есть ли хороший пакет для этого в двух измерениях? Обязательно ли использовать кригинг?
Изменить: структура данных в настоящее время представляет собой матрицу.
data matrix
day number
[,1] [,2] [,3] [,4] [,5] ... [,365]
iteration [1,] 0.000213 0.001218 0.000151 0.000108 ... 0.000101
[2,] 0.000314 0.000281 0.000117 0.000103 ... 0.000305
[3,] 0.000314 0.000281 0.000117 0.000103 ... 0.000305
[4,] 0.000171 0.000155 0.000141 0.000219 ... 0.000201
.
.
.
[100000000,] 0.000141 0.000148 0.000144 0.000226 ... 0.000188
Я хочу, чтобы для каждого «дня» пиксели, проходящие вертикально через этот «день», представляли плотность вероятности значений итерации для этого дня в цвете. Результат должен выглядеть как тепловая карта.
image
или _2 _ / _ 3_ в ggplot2. - person shadowtalker   schedule 13.06.2015