3. 绘制QQ图
QQ图，全称是- Plot，分布对分布的比较图，本质是一个散点图，是一个实际分布和一个标准分布的比较qq图，实际上对这个图我们使用的很多，尤其在看分布是否符合正态时，他比那个直方图还要直观和准确（甚至比用p value还要准确）
(,aes(=))+
()+
()
(,aes(=))+
()+
()
(,aes())+
(fill="white",color="black")
这里我们使用了三组数据，第一个使用了身高体重数据中的身高数据，第二个我们使用了年龄数据，第三个我们把年龄画成直方图再看一遍。
下图的解释是：在每一个x的取值位置，累积分布的身高数据和正态分布的一致性较好，因为散点和直线的一致性比较好。在右侧累积分布稍微低于正态分布，说明这里数据比较稀疏。
下面的图形看起来就很不符合正态分布了，左侧实际的分布累积值比标准正态高出很多，说明这里的分布很多qq图，而右侧偏低，我们在直方图里面看一下。
这和我们的模拟是一样的。
4. 马赛克图
(vcd)
(~Admit++Dept, data=)
(~Dept++Admit, data=,
="Admit",=c("","pink"),
=c("v","v","h"))
马赛克图，大概是根据它的最终形状来命名的，名字来源大概是那种小小的海边堤岸上点缀的马赛克瓷砖。其实很久以前这种瓷砖也用于房屋的装饰，现在很少用了。还有就是某些视频里面对不可显示的镜头（像吸烟的镜头等的马赛克处理）。
它的用处大多用于对分类数据的分割，用来进行不同维度的分层显示，有点像我们讲质量七大工具里面的分层法。所以马赛克图也是分顺序的，比如上面这个例子中，我们使用了某大学的录取情况，区分了三个维度：院系，性别，录取结果，因变量我们用的是人数。
第一个图我们没有使用任何的条件设置，所以颜色都是一样的灰色，只是用了宽度来区分。
里面的分类顺序就是按照我们定义的顺序，录取与否，性别和院系。
粗略来看，录取比例在40%左右，录取的当中男生比例比较高，未录取里面男女生比例相当，院系来看，A，B院系男生较多，C，D院系招收女生较多。
我们后面使用了一些格式的设置，同样的解释会更加容易一些。
图形的介绍到这节课解释了，很多内容你可以类比excel里面的图形方案进行修改，像图例，标签，颜色，图层等。
如果你用JMP来做，上面我们讲的所有图形都可以用graph 来简单的做出来，JMP对于提升工作效率确实是一个好的工具，只是少了些许乐趣。