Differences

This shows you the differences between two versions of the page.

--- c:ms:2025:schedule [2025/04/30 08:46] – [Week09] hkimscil
+++ c:ms:2025:schedule [2025/06/02 09:06] (current) – [Week13] hkimscil
@@ Line 573: / Line 573: @@
 ====== Week08 ======
 시험기간
-보강영상 수업
 ====== Week09 ======
 <WRAP half column>
@@ Line 636: / Line 634: @@
 ====== Week10 ======
 <WRAP half column>
+  * [[:factorial anova]] explanation
+  * [[:r:factorial anova]] with R
+    * {{:r:factorial.anova.eg.csv}}
+  * [[:repeated measure anova]] explanation
+  * [[:r:repeated measure anova]] with R
+<code>
+rm(list=ls(all=TRUE))
+#################################################
+# two-way anova
+# subject = factor(paste('sub', 1:30, sep=''))
+#################################################
+n.a.group <- 3 # a treatment 숫자 e.g: drug a1, a2, a3
+n.b.group <- 2 # b 그룹 숫자 e.g.: exercise no(b1), yes(b2)
+n.sub <- 30 # 총 샘플 숫자
+n.sub/n.a.group
+# 데이터 생성
+set.seed(9)
+a <- gl(n.a.group,
+        n.sub/n.a.group,
+        n.sub,
+        labels=c('drg1', 'drg2', 'drg3'))
+b <- gl(n.b.group,
+        (n.sub/n.a.group)/2,
+        n.sub,
+        labels=c('noex', 'exerc'))
+a
+b
+y <- rnorm(30, mean=10) +
+.14 * (a=='drg1' & b=='exerc') +
+.43 * (a=='drg3' & b=='exerc')
+y
+dat <- data.frame(a, b, y)
+dat
+aov.dat.all <- aov(y ~ a * b) # anova test
+summary(aov.dat.all) # summary of the test output
+TukeyHSD(aov.dat.all)
+interaction.plot(a, b, y)
+</code>
+see [[./schedule/w10.lecture.note]]
 ===== Concepts and ideas =====
@@ Line 644: / Line 688: @@
   * https://youtu.be/rl6zs1lK0BE : Factorial ANOVA egs.
-see [[./schedule/w10.lecture.note]]
 </WRAP>
@@ Line 721: / Line 764: @@
 <WRAP half column>
 ===== Assignment =====
-과제명: ms23.w11.ga.covariance.exercise
-제출파일명: ms23.w11.ga.covariance.exercise.group##.odc (docx)
-과제내용:
-아래 데이터를 다운로드 받아서 두 변인 간의 상관관계계수를 구하시오.
-{{:income.happiness.csv}}
-데이터는 수입과 행복을 측정한 것입니다. 실제 데이터를 살펴보고 R로 읽어 온 후에 R을 이용하여 아래를 구하시오. R에서의 명령어와 아웃풋을 카피/패이스트 하여 제출하시오 (fixed-font를 사용하여).
-  * 각 변인의 deviation score 값을 구하여 ds.inc 와 ds.hap 에 저장하시오.
-  * 두 변인의 SP값을 (Sum of Product) 구하여 sp.dat 에 저장하시오.
-  * 두 변인의 df값을 구하여 df.dat 에 저장하시오.
-  * 두 변인간 covariance값을 r의 cov 명령어를 이용하여 구하여 cov.dat값에 저장하시오.
-  * sp.dat / df.dat 값을 구하여 cov.cal 값에 저장하시오.
-  * cov.cal 과 cov.dat 값이 같은지 비교하시오. (힌트: ''=='' 연산자를 이용하여 확인하시오)
-  * 각 변인의 standard deviation 값을 구하여 sd.inc, sd.hap에 저장하시오
-  * 우리가 배운 correlation값을 구하는 공식에 따라서 r 값을 구해서 r.cal 에 저장하시오.
-  * R의 cor 명령어를 이용하여 correlation coefficient값을 구하여 r.dat 에 저장하시오.
-  * r.cal 과 r.dat 을 비교하시오.
 </WRAP>
@@ Line 744: / Line 770: @@
 <WRAP half column>
 May 22 (월), 24 (수)
-[[./schedule/w12.lecture.note]]
+[[./schedule/w12.lecture.note]] --> [[:c:ms:multiple_regression_lecture_note_for_r]]
 ===== Announcement =====
@@ Line 767: / Line 793: @@
 ====== Week13 ======
+[[./schedule/w13.lecture.note]]
 <WRAP half column>
 <WRAP box>