-

Kernel Density Estimate of Y

N = 25   Bandwidth = 1.386

Density

We can also plot the empirical CDF of a set of data using the ecdf() command from the stepfun library,

which is included in the default distribution. We could then plot the estimated CDF using plot().

> library(stepfun)

> d <- ecdf(y)

> plot(d,main="Empirical CDF of Y")

6.2

Contour Plots

The command contour() from the graphics package takes a grid of function values and optionally two vectors

indicating the x and y values of the grid and draws the contour lines. Contour lines can be added to another

plot using the contourLines() function in a similar manner. The lattice package provides a functions called

levelplot() and contourplot() that are more flexible but less simple to use in my experience. A contour

example appears in appendix 13.5.

6.3

Adding Legends and Stuff

After plotting we often wish to add annotations or other graphics that should really be placed manually.

Functions like text() (see below) and legend() take as their first two arguments coordinates on the graph

where the resulting objects should be placed. In order to manually determine the location of a point on the

graph, use the locator() function. The location of one or several right clicks on the graph will be returned

by this function after a left click. Those coordinates can then be used to place text, legends, or other add-ons

to the graph.

An example of a time series, with a predicted curve and standard error lines around it

31

---

> plot(a.true,type="l",lty=1,ylim=c(11.6,12.5),main="Predicted vs True",xlab="",ylab="")

> lines(a.predict$pred,lty=2,type="l")

> lines(a.predict$pred+a.predict$se,lty=3,type="l")

> lines(a.predict$pred-a.predict$se,lty=3,type="l")

> legend(145,11.95,c("true values","predicted"),lty=c(1,2))