Montgomery County, Maryland, pubblica tutte le violazioni del codice stradale dal 2013, ora per un totale di oltre 780.000 incidenti. Oltre alla posizione e ai dettagli delle violazioni, la tabella contiene anche informazioni sui veicoli coinvolti, come marca, modello, anno e colore. Sono i colori delle auto che voglio esplorare qui.
Anche se le violazioni risalgono solo al 2013, l'anno modello delle auto risale a molto più lontano. È difficile dire quanto tempo fa dall'anno in cui i dati sono un po 'confusi. Alcuni anni mancano ovviamente (0 e 9999) o sono miscodati (95 e 1013), mentre altri sono almeno discutibili (1930). Voglio guardare le tendenze nel tempo, quindi ignorerò comunque gli anni a basso numero di dati.
I dati sul colore, d'altra parte, appaiono straordinariamente puliti. Nessun errore di ortografia o colori strani. Potrebbero esserci ancora problemi di qualità poiché tutti gli osservatori potrebbero non avere la stessa interpretazione di cose come blu contro blu scuro o abbronzatura contro crema. Ecco i colori di tutte le citazioni.
Per esaminare le tendenze dei colori nel tempo, ho creato una tabella riepilogativa dei conteggi per anno e colore. Poi ho rimosso anni molto sparsi, mantenendo 1970 - 2016. Ecco un grafico ad area di tutti quei dati.
Sta iniziando a prendere forma, ma ha alcuni difetti importanti:
I primi dati sono ancora troppo rumorosi per rappresentare le tendenze.È confuso che il colore delle aree non corrisponda ai nomi dei colori, risultando in a Effetto Stroop nella leggendaI colori dovrebbero avere un ordine di significato, almeno raggruppati come i colori insieme.Per risolvere questi problemi:
Ho filtrato i dati per iniziare dal 1985.Ho usato Recode per standardizzare i nomi dei colori in modo che corrispondessero Nomi di colori HTML . Quindi ho usato quei valori RGB per creare una proprietà della colonna Colori valore.Ho creato una proprietà della colonna Ordine valore per personalizzare l'ordine.
Molto meglio, e non abbiamo più bisogno della leggenda.
Sebbene il grafico ad area in pila in generale possa oscurare le tendenze delle aree interne (quelle prive di una linea di base diritta), consente di vedere abbastanza bene le grandi tendenze. Possiamo vedere le auto diventare meno "colorate" nel tempo, con il bianco, il nero e le sfumature di grigio generalmente in aumento. E possiamo vedere che il verde ha avuto i cambiamenti più drammatici. Negli anni '90 era il colore più popolare. Ma prima e dopo, è uno dei meno comuni. Era la moda della foresta verde? Oppure le auto verdi degli anni '90 hanno resistito meglio degli altri colori?
Metto verde al centro in modo che gli altri colori non abbiano il rigonfiamento tra loro e il bordo più vicino (superiore o inferiore). Nello spirito di less is more, possiamo combinare insieme alcuni dei colori simili.
Ora abbiamo Di meno dettaglio ma Di Più informazioni accessibili sulle tendenze generali.
È interessante confrontare le aree sovrapposte con le linee sovrapposte.
La linea tratteggiata è per il bianco. Possiamo vedere meglio le singole tendenze, ma abbiamo perso la connotazione parziale e la capacità di combinare mentalmente colori adiacenti, come per le sfumature di grigio.
Vale la pena ricordare a noi stessi cosa stiamo guardando. Non stiamo esaminando un campione casuale di tutte le auto vendute o di tutte le auto sulla strada. Stiamo esaminando solo le auto coinvolte in violazioni del codice stradale in una contea nel giro di pochi anni. Alcune macchine sono sicuramente rappresentate più volte.
Non riesco a decidere se questa è la grande debolezza o la grande forza della scienza dei dati: analizziamo i dati che abbiamo invece dei dati di cui abbiamo bisogno. È una debolezza quando estrapoliamo ciecamente, ma è una forza quando possiamo caratterizzare le incognite abbastanza da estrarre alcune informazioni dai noti.
Per questi dati, le due principali incognite sono le differenze regionali nei colori delle auto e le correlazioni tra il colore dell'auto e l'incorrere in una violazione del traffico (meritatamente o meno). Se possiamo eliminare questi fattori per un anno, possiamo avere più fiducia nel fare generalizzazioni.
DuPont pubblica un sondaggio sulla popolarità del colore delle automobili, sebbene sia stato solo in grado di trovarne alcune scorci dei dati . Da quelli, possiamo vedere che le preferenze di colore sono diverse in tutto il mondo, quindi confronterò solo i dati sulle violazioni del traffico del Maryland con le vendite di colori del Nord America.
Ecco un grafico delle pendenze che confronta le percentuali dei nostri dati con i risultati del sondaggio, sempre utilizzando una linea tratteggiata per il bianco.
Sembra che le auto bianche, rosse e marroni vengano visualizzate meno spesso del previsto nei dati sulle violazioni del codice stradale. Possiamo confermare che le differenze sono significative utilizzando il Test Probabilità comando nella piattaforma di distribuzione in JMP. Fare ciò dà un valore p di praticamente 0 per vedere percentuali così diverse nella nostra popolazione di 32.000 auto dal 2009. Tra i lati positivi, almeno gli altri colori hanno lo stesso ordine di classificazione in ciascun campione, quindi forse le differenze sono fattori secondari.
Per questo motivo e poiché le spiegazioni più probabili per le differenze non sono legate al tempo, sono ancora fiducioso che le tendenze del tempo approssimativo mostrate nei grafici sopra siano significative.
Qualche teoria sul perché le auto bianche, rosse e marroni appaiono molto meno nelle violazioni del traffico rispetto al sondaggio DuPont?
Auto d'affari ha scritto:
Ciao Xan,
Statistiche davvero interessanti in questo post. Ho sempre pensato che le auto rosse fossero più tirate. Mi chiedo se le auto nere, argentate e bianche siano tirate sopra di più solo perché ce ne sono altre sulla strada.
Grazie per i dati,
Dennis
