temp
Differences
This shows you the differences between two versions of the page.
Both sides previous revisionPrevious revision | |||
temp [2016/12/12 08:36] – hkimscil | temp [2021/07/15 18:24] (current) – hkimscil | ||
---|---|---|---|
Line 1: | Line 1: | ||
- | < | + | {{20210715_174837.jpg}} |
- | write.csv(Orange, " | + | {{20210715_174929.jpg}} |
+ | {{20210715_174822.jpg}} | ||
+ | {{20210715_174746.jpg}} | ||
- | 2. | ||
- | > suburbs <- read.csv(" | ||
- | > summary(suburbs) | ||
- | city | ||
- | | ||
- | | ||
- | | ||
- | | ||
- | | ||
- | | ||
- | | ||
- | pop | ||
- | | ||
- | 1st Qu.: 73833 | ||
- | | ||
- | | ||
- | 3rd Qu.: 103615 | ||
- | | ||
- | | ||
- | -state = 3 종류 (IL, IN, WI) | ||
- | |||
- | 3. | ||
- | > library(MASS) | ||
- | > Cars93_over30 <- subset(Cars93, | ||
- | |||
- | 4. | ||
- | > g <- split(Cars93$MPG.city, | ||
- | > sapply(g, mean) | ||
- | | ||
- | 20.95833 23.86667 | ||
- | |||
- | 5. | ||
- | > choose(50, | ||
- | [1] 19600 | ||
- | |||
- | 6. | ||
- | > rnorm(1, mean = 100, sd = 15) | ||
- | [1] 94.57244 | ||
- | |||
- | 7-9. | ||
- | > A <- c(19, 20, 24, 30, 31, 32, 30, 27, 22, 25) | ||
- | > B <- c(23, 22, 15, 16, 18, 12, 16, 19, 14, 25) | ||
- | |||
- | > AB <- data.frame(A, | ||
- | > AB | ||
- | A B | ||
- | 1 19 23 | ||
- | 2 20 22 | ||
- | 3 24 15 | ||
- | 4 30 16 | ||
- | 5 31 18 | ||
- | 6 32 12 | ||
- | 7 30 16 | ||
- | 8 27 19 | ||
- | 9 22 14 | ||
- | 10 25 25 | ||
- | |||
- | > SAB <- stack(AB) | ||
- | |||
- | > SAB | ||
- | | ||
- | 1 19 A | ||
- | 2 20 A | ||
- | 3 24 A | ||
- | 4 30 A | ||
- | 5 31 A | ||
- | 6 32 A | ||
- | 7 30 A | ||
- | 8 27 A | ||
- | 9 22 A | ||
- | 10 | ||
- | 11 | ||
- | 12 | ||
- | 13 | ||
- | 14 | ||
- | 15 | ||
- | 16 | ||
- | 17 | ||
- | 18 | ||
- | 19 | ||
- | 20 | ||
- | |||
- | > summary(SAB) | ||
- | | ||
- | | ||
- | 1st Qu.: | ||
- | | ||
- | | ||
- | 3rd Qu.: | ||
- | | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | 7. 독립변인: | ||
- | 8. 종속변인: | ||
- | 9. 종류 | ||
- | 10. 숫자 | ||
- | 11. 이미지 연상 이용 유무에 따라 기억한 단어의 수가 다를 것이다. | ||
- | |||
- | 12. 9 | ||
- | 13. 9 | ||
- | |||
- | 14. 26 | ||
- | 15. 18 | ||
- | > tapply(SAB$values, | ||
- | | ||
- | 26 18 | ||
- | |||
- | |||
- | > tapply(SAB$values, | ||
- | | ||
- | 22.22222 17.77778 | ||
- | |||
- | SS = var * df 이므로 | ||
- | |||
- | 16. | ||
- | > 22.22222 * 9 | ||
- | [1] 200 | ||
- | |||
- | 17. | ||
- | > 17.77778 | ||
- | [1] 160 | ||
- | |||
- | 18. | ||
- | |||
- | | ||
- | |||
- | Welch Two Sample t-test | ||
- | |||
- | data: values by ind | ||
- | t = 4, df = 17.78, p-value = 0.0008577 | ||
- | alternative hypothesis: true difference in means is not equal to 0 | ||
- | 95 percent confidence interval: | ||
- | 3.794434 12.205566 | ||
- | sample estimates: | ||
- | mean in group A mean in group B | ||
- | | ||
- | |||
- | 19. | ||
- | t = 4 | ||
- | |||
- | 20. | ||
- | > a1 <- rnorm(20, mean = 200, sd = 15) | ||
- | > a2 <- rnorm(20, mean = 190, sd = 15) | ||
- | > a <- data.frame(a1, | ||
- | |||
- | > t.test(a$a1, | ||
- | |||
- | Welch Two Sample t-test | ||
- | |||
- | data: a$a1 and a$a2 | ||
- | t = 0.63759, df = 36.79, p-value = 0.5277 | ||
- | alternative hypothesis: true difference in means is not equal to 0 | ||
- | 95 percent confidence interval: | ||
- | | ||
- | sample estimates: | ||
- | mean of x mean of y | ||
- | | ||
- | |||
- | -영가설: 두 집단 간의 평균에 차이가 없다. | ||
- | -두 집단 간 평균에 대한 t test를 시행했을 때, p-value가 0.5277로 0.05보다 크기 때문에 영가설을 기각할 수 없다. (유의수준: | ||
- | -따라서, 두 집단 간의 평균에 차이가 있다고 할 수 없다. | ||
- | |||
- | |||
- | 21. | ||
- | > t.test(a1, mu = 190) | ||
- | |||
- | One Sample t-test | ||
- | |||
- | data: a1 | ||
- | t = 1.5823, df = 19, p-value = 0.1301 | ||
- | alternative hypothesis: true mean is not equal to 190 | ||
- | 95 percent confidence interval: | ||
- | | ||
- | sample estimates: | ||
- | mean of x | ||
- | | ||
- | |||
- | -영가설: a1은 평균이 190이다. | ||
- | -t-test 결과, p-value가 0.1301로 0.05보다 크기 때문에 영가설을 기각할 수 없다. (유의수준: | ||
- | -따라서 a1의 평균이 모집단 평균(190)과 차이가 있다고 할 수 없다. | ||
- | |||
- | |||
- | 22. | ||
- | > a3 <- rnorm(1000, mean = 200, sd = 15) | ||
- | > t.test(a3, mu = 190) | ||
- | |||
- | One Sample t-test | ||
- | |||
- | data: a3 | ||
- | t = 20.307, df = 999, p-value < 2.2e-16 | ||
- | alternative hypothesis: true mean is not equal to 190 | ||
- | 95 percent confidence interval: | ||
- | | ||
- | sample estimates: | ||
- | mean of x | ||
- | | ||
- | |||
- | -영가설: a3는 평균이 190이다. | ||
- | -t-test 결과, p-value < 0.05이므로 영가설을 기각한다. (유의수준: | ||
- | -따라서 a3의 평균이 모집단 평균(190)과 차이가 있다고 할 수 있다. | ||
- | |||
- | 23~30. | ||
- | |||
- | > summary(InsectSprays) | ||
- | | ||
- | | ||
- | 1st Qu.: 3.00 | ||
- | | ||
- | | ||
- | 3rd Qu.: | ||
- | | ||
- | |||
- | > InsectSprays | ||
- | count spray | ||
- | 1 | ||
- | 2 7 A | ||
- | 3 | ||
- | 4 | ||
- | 5 | ||
- | 6 | ||
- | 7 | ||
- | 8 | ||
- | 9 | ||
- | 10 20 A | ||
- | 11 14 A | ||
- | 12 13 A | ||
- | 13 11 B | ||
- | 14 17 B | ||
- | 15 21 B | ||
- | 16 11 B | ||
- | 17 16 B | ||
- | 18 14 B | ||
- | 19 17 B | ||
- | 20 17 B | ||
- | 21 19 B | ||
- | 22 21 B | ||
- | 23 | ||
- | 24 13 B | ||
- | 25 | ||
- | 26 | ||
- | 27 | ||
- | 28 | ||
- | 29 | ||
- | 30 | ||
- | 31 | ||
- | 32 | ||
- | 33 | ||
- | 34 | ||
- | 35 | ||
- | 36 | ||
- | 37 | ||
- | 38 | ||
- | 39 12 D | ||
- | 40 | ||
- | 41 | ||
- | 42 | ||
- | 43 | ||
- | 44 | ||
- | 45 | ||
- | 46 | ||
- | 47 | ||
- | 48 | ||
- | 49 | ||
- | 50 | ||
- | 51 | ||
- | 52 | ||
- | 53 | ||
- | 54 | ||
- | 55 | ||
- | 56 | ||
- | 57 | ||
- | 58 | ||
- | 59 | ||
- | 60 | ||
- | 61 11 F | ||
- | 62 | ||
- | 63 15 F | ||
- | 64 22 F | ||
- | 65 15 F | ||
- | 66 16 F | ||
- | 67 13 F | ||
- | 68 10 F | ||
- | 69 26 F | ||
- | 70 26 F | ||
- | 71 24 F | ||
- | 72 13 F | ||
- | |||
- | 23. | ||
- | InsectSpray는 spray의 종류(spray)에 따른 곤충 박멸 수(count)의 데이터 프레임이다. | ||
- | |||
- | 24. | ||
- | > tapply(InsectSprays$count, | ||
- | A | ||
- | 14.500000 15.333333 | ||
- | F | ||
- | 16.666667 | ||
- | |||
- | > tapply(InsectSprays$count, | ||
- | A | ||
- | 22.272727 18.242424 | ||
- | F | ||
- | 38.606061 | ||
- | |||
- | |||
- | 25. | ||
- | > a <- aov(InsectSprays$count~InsectSprays$spray) | ||
- | > a | ||
- | Call: | ||
- | | ||
- | |||
- | Terms: | ||
- | InsectSprays$spray Residuals | ||
- | Sum of Squares | ||
- | Deg. of Freedom | ||
- | |||
- | Residual standard error: 3.921902 | ||
- | Estimated effects may be unbalanced | ||
- | |||
- | > summary(a) | ||
- | Df Sum Sq Mean Sq F value Pr(> | ||
- | InsectSprays$spray | ||
- | Residuals | ||
- | --- | ||
- | Signif. codes: | ||
- | 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 | ||
- | |||
- | - 영가설 벌레 구충 효과에 차이가 없다. | ||
- | - F value가 0.05보다 작으므로, | ||
- | - (df = 71) | ||
- | - 따라서 벌레 구충 효과에 차이가 있다고 할 수있다. | ||
- | |||
- | 26. | ||
- | > TukeyHSD(a) | ||
- | Tukey multiple comparisons of means | ||
- | 95% family-wise confidence level | ||
- | |||
- | Fit: aov(formula = InsectSprays$count ~ InsectSprays$spray) | ||
- | |||
- | $`InsectSprays$spray` | ||
- | | ||
- | B-A | ||
- | C-A -12.4166667 -17.116075 -7.717258 0.0000000 | ||
- | D-A -9.5833333 -14.282742 -4.883925 0.0000014 | ||
- | E-A -11.0000000 -15.699409 -6.300591 0.0000000 | ||
- | F-A | ||
- | C-B -13.2500000 -17.949409 -8.550591 0.0000000 | ||
- | D-B -10.4166667 -15.116075 -5.717258 0.0000002 | ||
- | E-B -11.8333333 -16.532742 -7.133925 0.0000000 | ||
- | F-B | ||
- | D-C | ||
- | E-C | ||
- | F-C 14.5833333 | ||
- | E-D -1.4166667 | ||
- | F-D 11.7500000 | ||
- | F-E 13.1666667 | ||
- | |||
- | 아래의 두 그룹 간에 차이가 있다고 할 수 있다. | ||
- | A, B, F | ||
- | C, D, E | ||
- | |||
- | 27. ToothGrowth는 supp와 dose에 따라 len이 어떤 영향을 받는지 설명하는 데이터프레임이다.(Factorial Design) | ||
- | 비타민의 용량(dose) | ||
- | 비타민 투여방법 (supp) - VC, OJ | ||
- | ginea pic의 이빨길이 (len) | ||
- | |||
- | 28. | ||
- | > ToothGrowth$dose = factor(ToothGrowth$dose, | ||
- | | ||
- | | ||
- | > summary(ToothGrowth) | ||
- | len supp dose | ||
- | | ||
- | 1st Qu.: | ||
- | | ||
- | | ||
- | 3rd Qu.: | ||
- | | ||
- | |||
- | 29. | ||
- | > aov.out = aov(len ~ supp * dose, data=ToothGrowth) | ||
- | > summary(aov.out) | ||
- | Df Sum Sq Mean Sq F value | ||
- | supp | ||
- | dose 1 2224.3 | ||
- | supp: | ||
- | Residuals | ||
- | --- | ||
- | Signif. codes: | ||
- | |||
- | supp의 효과와 | ||
- | dose의 효과가 각각 있으면 | ||
- | 상호작용 효과 또한 존재한다. | ||
- | |||
- | |||
- | 30 | ||
- | > TukeyHSD(aov.out, | ||
- | Tukey multiple comparisons of means | ||
- | 95% family-wise confidence level | ||
- | |||
- | Fit: aov(formula = len ~ supp * dose, data = ToothGrowth) | ||
- | |||
- | $dose | ||
- | | ||
- | med-low | ||
- | high-low 15.495 12.727488 18.262512 0.0e+00 | ||
- | high-med | ||
- | |||
- | 세개의 dose 집단은 각각 다르다. | ||
- | 두 개의 supp 집단은 각각 다르다. | ||
- | |||
- | |||
- | |||
- | |||
- | </ |
temp.txt · Last modified: 2021/07/15 18:24 by hkimscil