毫不意外，当航班数量很少时，平均延误时间的变动要大得多。这张图的形状非常有特点：每当你绘制均值（或其他汇总统计量）与组大小的关系图时，都会看到随着样本量的增加，变动幅度会减小。

查看这类图时，通常有用的做法是过滤掉观测数最少的那些组，这样你就能看到更多的整体模式，而不是最小组中极端的变动。下面的代码就是这样做的，同时也展示了将 ggplot2 整合到 dplyr 工作流中的一个实用模式。不得不从 %>% 切换到 + 有点让人恼火，但一旦掌握了窍门，它其实相当方便：

delays %>% filter(n > 25) %>% ggplot(mapping = aes(x = n, y = delay)) + geom_point(alpha = 1/10)