COMMunication
RESearch.NET

User Tools

Site Tools

You are here: index » temp
Trace:
temp

Differences

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

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision		Previous revision
temp [2016/12/09 09:16] – created hkimsciltemp [2021/07/15 18:24] (current) – hkimscil
Line 1: Line 1:
-1.  +{{20210715_174837.jpg}} 
-write.csv(Orange, "Orange.csv") +{{20210715_174929.jpg}} 
- +{{20210715_174822.jpg}} 
-2.  +{{20210715_174746.jpg}}
-> suburbs <- read.csv("https://goo.gl/0EsHke", sep = "\t") +
-> summary(suburbs) +
-                city         county  state   +
- Arlington.Heights: 1   Cook    :7   IL:13   +
- Aurora           : 1   Kane    :2   IN: 2   +
- Bolingbrook      : 1   Lake(IN):2   WI: 1   +
- Chicago          : 1   DuPage  :1           +
- Cicero           : 1   Kendall :1           +
- Elgin            : 1   Kenosha :1           +
- (Other)          :10   (Other) :2           +
-      pop          +
- Min.   :  63348   +
- 1st Qu.:  73833   +
- Median :  86700   +
- Mean   : 265042   +
- 3rd Qu.: 103615   +
- Max.   :2853114   +
-                   +
--summary를 이용한 결과, state는 3 종류가 있습니다. +
- +
-3.  +
-> library(MASS) +
-> Cars93_over30 <- subset(Cars93, subset = c(Cars93$MPG.city >= 30)) +
- +
-4. +
-> Cars93_Origin <- split(Cars93, Cars93$Origin) +
- +
-5.  +
-> choose(50,3) +
-[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,B) +
-> 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 +
-   values ind +
-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     25   A +
-11     23   B +
-12     22   B +
-13     15   B +
-14     16   B +
-15     18   B +
-16     12   B +
-17     16   B +
-18     19   B +
-19     14   B +
-20     25   B +
- +
-> summary(SAB) +
-     values     ind    +
- Min.   :12.0   A:10   +
- 1st Qu.:17.5   B:10   +
- Median :22.0          +
- Mean   :22.0          +
- 3rd Qu.:25.5          +
- Max.   :32.0  +
- +
- +
- +
- +
- +
-7. 독립변인: 이미지 연상 이용 유무 +
-8. 종속변인: 기억한 단어의 수 +
-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$values, SAB$ind, mean) +
- A  B  +
-26 18  +
- +
- +
-> tapply(SAB$values, SAB$ind, var) +
-       A        B  +
-22.22222 17.77778  +
- +
-SS = var. df이므로 +
- +
-16.  +
-22.22222 * 9 +
- +
-17.  +
-17.77778  * 9 +
- +
-18. +
- +
- t.test(values~ind, var.eqaul = T) +
- +
- 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  +
-             26              18  +
- +
-19.  +
-t = 4 +
- +
-20. +
-> a1 <- rnorm(20, mean = 200, sd = 15) +
-> a2 <- rnorm(20, mean = 190, sd = 15) +
-> a <- data.frame(a1,a2) +
- +
-> t.test(a$a1, a$a2) +
- +
- 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: +
- -6.002291 11.512736 +
-sample estimates: +
-mean of x mean of y  +
- 194.3748  191.6196  +
- +
--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: 95%) +
--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: +
- 188.5881 200.1615 +
-sample estimates: +
-mean of x  +
- 194.3748  +
- +
--영가설: a1은 평균이 190이다. +
--t-test 결과, p-value가 0.1301로 0.05보다 크기 때문에 영가설을 기각할 수 없다. (유의수준: 95%) +
--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: +
- 198.9785 200.8994 +
-sample estimates: +
-mean of x  +
- 199.9389  +
- +
--영가설: a3는 평균이 190이다. +
--t-test 결과, p-value < 0.05이므로 영가설을 기각한다. (유의수준: 95%) +
--따라서 a3의 평균이 모집단 평균(190)과 차이가 있다고 할 수 있다. +
- +
-23~30. +
- +
-> summary(InsectSprays) +
-     count       spray  +
- Min.   : 0.00   A:12   +
- 1st Qu.: 3.00   B:12   +
- Median : 7.00   C:12   +
- Mean   : 9.50   D:12   +
- 3rd Qu.:14.25   E:12   +
- Max.   :26.00   F:12   +
- +
-> InsectSprays +
-   count spray +
-1     10     A +
-2      7     A +
-3     20     A +
-4     14     A +
-5     14     A +
-6     12     A +
-7     10     A +
-8     23     A +
-9     17     A +
-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     7     B +
-24    13     B +
-25     0     C +
-26     1     C +
-27     7     C +
-28     2     C +
-29     3     C +
-30     1     C +
-31     2     C +
-32     1     C +
-33     3     C +
-34     0     C +
-35     1     C +
-36     4     C +
-37     3     D +
-38     5     D +
-39    12     D +
-40     6     D +
-41     4     D +
-42     3     D +
-43     5     D +
-44     5     D +
-45     5     D +
-46     5     D +
-47     2     D +
-48     4     D +
-49     3     E +
-50     5     E +
-51     3     E +
-52     5     E +
-53     3     E +
-54     6     E +
-55     1     E +
-56     1     E +
-57     3     E +
-58     2     E +
-59     6     E +
-60     4     E +
-61    11     F +
-62     9     F +
-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$count, InsectSprays$spray, mean) +
-        A         B         C         D         E  +
-14.500000 15.333333  2.083333  4.916667  3.500000  +
-        F  +
-16.666667  +
- +
-> tapply(InsectSprays$count, InsectSprays$spray, var) +
-        A         B         C         D         E  +
-22.272727 18.242424  3.901515  6.265152  3.000000  +
-        F  +
-38.606061  +
- +
- +
-25. +
-> a <- aov(InsectSprays$count~InsectSprays$spray) +
-> a +
-Call: +
-   aov(formula = InsectSprays$count ~ InsectSprays$spray) +
- +
-Terms: +
-                InsectSprays$spray Residuals +
-Sum of Squares            2668.833  1015.167 +
-Deg. of Freedom                  5        66 +
- +
-Residual standard error: 3.921902 +
-Estimated effects may be unbalanced +
- +
-> summary(a) +
-                   Df Sum Sq Mean Sq F value Pr(>F)     +
-InsectSprays$spray  5   2669   533.8    34.7 <2e-16 *** +
-Residuals          66   1015    15.4                    +
---- +
-Signif. codes:   +
-0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-- 영가설 벌레 구충 효과에 차이가 없다. +
-- F value가 0.05보다 작으므로, 영가설을 기각한다. (유의수준 : 95%) +
-- (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` +
-           diff        lwr       upr     p adj +
-B-A   0.8333333  -3.866075  5.532742 0.9951810 +
-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   2.1666667  -2.532742  6.866075 0.7542147 +
-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   1.3333333  -3.366075  6.032742 0.9603075 +
-D-C   2.8333333  -1.866075  7.532742 0.4920707 +
-E-C   1.4166667  -3.282742  6.116075 0.9488669 +
-F-C  14.5833333   9.883925 19.282742 0.0000000 +
-E-D  -1.4166667  -6.116075  3.282742 0.9488669 +
-F-D  11.7500000   7.050591 16.449409 0.0000000 +
-F-E  13.1666667   8.467258 17.866075 0.0000000 +
- +
-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, +
-                     levels=c(0.5,1.0,2.0), +
-                     labels=c("low","med","high")) +
-> summary(ToothGrowth) +
-      len        supp      dose    +
- Min.   : 4.20   OJ:30   low :20   +
- 1st Qu.:13.07   VC:30   med :20   +
- Median :19.25           high:20   +
- Mean   :18.81                     +
- 3rd Qu.:25.27                     +
- Max.   :33.90 +
- +
-29. +
-> aov.out = aov(len ~ supp * dose, data=ToothGrowth) +
-> summary(aov.out) +
-            Df Sum Sq Mean Sq F value   Pr(>F)     +
-supp         1  205.3   205.3  12.317 0.000894 *** +
-dose         1 2224.3  2224.3 133.415  < 2e-16 *** +
-supp:dose    1   88.9    88.9   5.333 0.024631 *   +
-Residuals   56  933.6    16.7                      +
---- +
-Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-supp의 효과와  +
-dose의 효과가 각각 있으면  +
-상호작용 효과 또한 존재한다.  +
- +
- +
-30 +
-> TukeyHSD(aov.out, "dose") +
-  Tukey multiple comparisons of means +
-    95% family-wise confidence level +
- +
-Fit: aov(formula = len ~ supp * dose, data = ToothGrowth) +
- +
-$dose +
-           diff       lwr       upr   p adj +
-med-low   9.130  6.362488 11.897512 0.0e+00 +
-high-low 15.495 12.727488 18.262512 0.0e+00 +
-high-med  6.365  3.597488  9.132512 2.7e-06 +
- +
-세개의 dose 집단은 각각 다르다.  +
-두 개의 supp 집단은 각각 다르다.  +
- +
- +
- +
  
temp.1481244366.txt.gz · Last modified: by hkimscil
Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki