在散佈圖中，你也可以透過顏色的飽和度或點的透明度來反映抽樣設計。讓我們看看，對於 20 歲族群的身高與體重散佈圖，這些做法會如何改變視覺呈現。
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Construct a scatter plot ggplot(data = ___, mapping = aes(___)) + geom_point() + guides(___ = "none")
我們將從「問卷權重」開始探索問卷資料。本章會說明什麼是問卷權重，以及為何它們在問卷資料分析中如此重要。問卷資料的另一個特色是透過分群與分層進行抽樣收集。我們會在多個問卷資料集中練習如何指定並探索這些抽樣特徵。
既然已經掌握問卷權重，這一章將練習把權重納入類別型資料的分析。我們會透過計算摘要統計、建立摘要表，以及繪製長條圖來進行描述性推論；在分析性推論方面，將學習執行卡方檢定。
當然並非所有問卷資料都屬於類別型，因此本章將探討如何分析數值型的問卷資料。我們會學習計算納入問卷權重的統計量，例如平均數與分位數。在視覺化方面，會建立長條圖、直方圖與機率密度圖。最後，我們將以納入問卷權重的 t 檢定來進行分析性推論，作為本章的結尾。
對問卷資料進行建模時，也必須仔細考量資料的蒐集方式。本章開頭會先學習如何在散佈圖中透過大小、顏色與透明度等美學元素納入問卷權重。接著，我們將以線性迴歸為問卷資料建模，並探討如何把類別型解釋變數與多項式項納入模型。
當前練習