我发现小提琴情节非常漂亮，但它的计算方式对于非统计学家来说很难理解，文档相当简单。 我在R中使用ggplot2的geom_violin函数的默认值。有没有人知道我可以在文章的材料和方法中写什么，或者给我一个很好的参考。小提琴情节：一篇论文的描述
顺便说一下，即使数据的分布是未知的，这些地块的使用是否巧妙呢？ （图的例子在这里可以看到：https://github.com/jcolomb/learningdata/blob/master/flightdata/analysis_R/firsttest_files/figure-latex/unnamed-chunk-2-1.pdf）
对于one of our papers，所使用的小提琴地块与盒状图重叠，我们使用在图例如下描述：
用于不同的检查行为参数治疗以箱形图呈现，表明具有晶须的中位数和四分位数达到四分位间距的1.5倍。 小提琴情节概述说明了核心概率密度，即阴影区域的宽度代表了位于那里的数据的比例。
此同意后的编辑告诉我们，前面的描述过于技术性，正如他自己不知道什么小提琴样地。
哈德利在这里记录了代码violinplots来源： https://github.com/hadley/ggplot2/blob/master/R/geom-violin.r#L20-L21
哪，如果你使用?geom_violin和阅读的文档，你会发现。他参考文献：Hintze，J.L.，Nelson，R.D。（1998）Violin Plots：A Box Plot-Density Trace Synergism。美国统计学家52，181-184
而对于完整性这里是DOI： http://dx.doi.org/10.2307/2685478
维基百科给出了一个参考，可以在网上（也许不合法）：HTTPS：//quantixed.files.wordpress。 com/2014/12/hintze_1998.pdf – Roland
在我的研究领域中，你并没有经常看到他们，但我在出版物中使用过小提琴图，并且无需在材料和方法中编写任何关于它们的信息。足以说明它们描绘的是分布。 – Roland
ggplot2小提琴图使用'density'函数来计算一维核心密度估计。 '密度'的[帮助页面]（http://www.inside-r.org/r-doc/stats/density）包含几个参考文献。 – eipi10