Condado de Montgomery, Maryland, publica todas las infracciones de tráfico desde 2013, ahora suman más de 780,000 incidentes. Además de la ubicación y los detalles de las violaciones, la tabla también contiene información sobre los vehículos involucrados, como marca, modelo, año y color. Es los colores de los coches que quiero explorar aquí.
A pesar de que las violaciones solo se remontan a 2013, el año modelo de los autos se remonta mucho más allá. Es difícil decir hasta qué punto se remonta desde el año en que los datos son un poco desordenados. Obviamente, faltan algunos años (0 y 9999) o están mal codificados (95 y 1013), y otros son al menos cuestionables (1930). Quiero ver las tendencias a lo largo del tiempo, así que ignoraré los años de baja información de todos modos.
Los datos de color, por otro lado, aparecen notablemente limpios. No hay colores mal escritos o extraños. Todavía podría haber problemas de calidad ya que todos los observadores pueden no tener la misma interpretación de cosas como azul versus azul oscuro o bronceado versus crema. Aquí están los colores de todas las citas.
Para observar las tendencias de color a lo largo del tiempo, hice una tabla de resumen de conteos por año y color. Luego quité años muy escasos, guardando 1970 - 2016. Aquí hay un gráfico de área de todos esos datos.
Está empezando a tomar forma, pero tiene algunos defectos importantes:
Los datos iniciales todavía son demasiado ruidosos para representar tendencias.Es confuso que el color de las áreas no coincida con los nombres de los colores, lo que resulta en un Efecto Stroop en la leyendaLos colores deben tener un orden de significado, al menos agruparlos como colores.Para abordar esas cuestiones:
Filtré los datos para comenzar en 1985.Utilicé Recode para estandarizar los nombres de colores para que coincidan Nombres de colores HTML . Luego usé esos valores RGB para hacer una propiedad de columna de Colores de valor.Hice una propiedad de columna Orden de valor para personalizar el pedido.
Mucho mejor, y ya no necesitamos la leyenda.
Aunque el gráfico de áreas apiladas en general puede oscurecer las tendencias de las áreas internas (las que no tienen una línea de base directa), permite que el uso vea las grandes tendencias lo suficientemente bien. Podemos ver que los automóviles se vuelven menos "coloridos" con el tiempo, con el blanco, el negro y los tonos de gris en general en aumento. Y podemos ver que el verde ha tenido los cambios más dramáticos. En la década de 1990, era el color más popular. Pero antes y después, es uno de los menos comunes. ¿Era esa la moda verde del bosque? ¿O los autos verdes de la década de 1990 se han mantenido mejor que otros colores?
Puse el verde en el medio para que los otros colores no tengan la protuberancia entre ellos y el borde recto más cercano (arriba o abajo). En el espíritu de menos es más, podemos combinar algunos de los colores similares juntos.
Ahora tenemos Menos detalle pero Más Información accesible sobre las tendencias generales.
Es interesante comparar las áreas apiladas con las líneas superpuestas.
La línea discontinua es para el blanco. Podemos ver mejor las tendencias individuales, pero hemos perdido la connotación de parte a todo y la capacidad de combinar mentalmente los colores adyacentes, como en los tonos de gris.
Vale la pena recordarnos lo que estamos viendo. No estamos viendo una muestra aleatoria de todos los autos vendidos o incluso todos los autos en la carretera. Solo estamos viendo los autos involucrados en infracciones de tránsito en un condado durante algunos años. Algunos autos seguramente están representados varias veces.
No puedo decidir si esta es la gran debilidad o la gran fortaleza de la ciencia de datos: analizamos los datos que tenemos en lugar de los datos que necesitamos. Es una debilidad cuando extrapolamos a ciegas, pero es una fortaleza cuando podemos caracterizar las incógnitas lo suficiente como para extraer cierta información de las conocidas.
Para estos datos, las dos incógnitas principales son las diferencias regionales en los colores de los automóviles y las correlaciones entre el color de los automóviles y el incurrir en una infracción de tráfico (con razón o no). Si podemos eliminar esos factores por un año, podemos tener más confianza en hacer generalizaciones.
DuPont publica una encuesta sobre la popularidad del color del automóvil, aunque solo he podido encontrar algunos vislumbres de los datos . De ellos, podemos ver que las preferencias de color difieren en todo el mundo, por lo que solo compararé los datos de violaciones de tráfico de Maryland con las ventas de color en América del Norte.
Aquí hay un gráfico de pendientes que compara los porcentajes de nuestros datos con los resultados de la encuesta, nuevamente utilizando una línea discontinua para el blanco.
Parece que los autos blancos, rojos y marrones aparecen con menos frecuencia de lo esperado en los datos de infracciones de tráfico. Podemos confirmar que las diferencias son significativas usando el Probabilidades de prueba comando en la plataforma de distribución en JMP. Hacer eso da un valor de p de prácticamente 0 para ver porcentajes tan diferentes en nuestra población de 32,000 autos a partir de 2009. En el lado positivo, al menos los otros colores tienen el mismo orden de clasificación en cada muestra, por lo que quizás las diferencias sean factores secundarios.
Por esa razón y porque las explicaciones más probables de las diferencias no están relacionadas con el tiempo, todavía tengo la esperanza de que las tendencias de tiempo aproximadas mostradas en los gráficos anteriores sean significativas.
¿Alguna teoría sobre por qué los autos blancos, rojos y marrones aparecen mucho menos en las infracciones de tráfico que en la encuesta de DuPont?
Coche de negocios escribió:
Hola xan
Estadísticas realmente interesantes en este post. Siempre pensé que los autos rojos eran los que más detenían. Me pregunto si los autos negros, plateados y blancos son los que más se detienen solo porque hay más de ellos en la carretera.
Gracias por los datos,
Dennis
