Будь умным!


У вас вопросы?
У нас ответы:) SamZan.net

Test 1 Расчет взаимосвязи номинальных переменных в R

Работа добавлена на сайт samzan.net:

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 27.11.2024

help.search("test")

1. Расчет взаимосвязи номинальных переменных в R. Интерпретация результатов.

table(piter$v101, piter$v6)

books.region<-matrix(c(2, 4, 12, 29, 35, 22, 12, 1, 2, 1, 2, 0, 7, 2, 0, 1, 0, 2, 5, 4, 1, 1, 3, 3, 2, 7, 6, 11, 2, 0, 2, 3, 4, 5, 1), nrow=5, byrow=T)

books.region                     

colnames(books.region)<-c("0", ">10", "10-20", "21-50", "51-100", "101-500", ">500")

rownames(books.region)<-c("Piter", "Big city", "Small city", "other small city", "village")

books.region

t(books.region)

chisq.test(books.region)

#для любого уровня измерения, значение в каждой ячейке не меньше 5

kruskal.test(piter$v101, piter$v6)- сила связи

2. Понятие о корреляции. Расчет коэффициентов корреляции в R. Интерпретация результатов.

cor(piter$v64, piter$v102) # Значима, если r больше 0,4

cor.test(piter$v64, piter$v102) #коэф. кор. Пирсона

 

3. Расчет средних величин в R. Тесты сравнения средних. Интерпретация результатов.

x<-c(5260, 5470, 5640, 6180, 6390, 6515, 6805, 7515, 7515, 8230, 8770)

mean(x)

t.test(x, mu=7725) # t-test для одной выборки. Сравнить среднее значение переменной с фиксированным значением

t.test(v79.n.recode~piter$v103) # t-test для двух независимых выборок

t.test(v79.n.recode~piter$v103, var.equal=T)

var.test(v79.n.recode~piter$v103) # определение гомогенности дисперсий

t.test(exam$pre.wm.s, exam$post.wm.s, paired=T) # t-test для двух зависимых выборок

4. Непараметрические тесты сравнения средних в R.

kruskal.test(v79.n.recode, piter$age)#

wilcox.test(x, mu=7725) # тест Уилкоксона для одной выборки. Среднее по рангам

wilcox.test(v79.n.recode~piter$v103) # wilcox для двух независимых выборок

5. Расчет дисперсии в R. Тесты на определение гомогенности дисперсий, интерпретация результатов.

var(piter$v102)

var.test(v79.n.recode~piter$v103) # определение гомогенности дисперсий

library(car)

leveneTest(y~soil) #(p>0,05, значимых различий дисперсий нет, они гомогенны)

library(stats)

fligner.test(y~soil)

bartlett.test(y~soil)

6. Простая линейная регрессия в R, интерпретация результатов.

modell=lm(piter$v64~piter$v102)# значимость коэф., если  T меньше 0,05. R^2

summary(modell)

plot(piter$v64~piter$v102)

abline(lm(piter$v64~piter$v102), col="red")

7. Множественная регрессия в R, интерпретация результатов.

model5=lm(rosstat2$life ~ rosstat2$disease + rosstat2$income + rosstat2$prod)

summary(model5)

model5.a=lm(rosstat2$life ~ rosstat2$disease + rosstat2$income)

summary(model5.a)

compar3 = anova(model5, model5.a)

compar3

8. Понятие о медиации, расчет в R, интерпретация результатов.

медиация это посредничество. типа на рак влияет не только курение но и наследственность
9. Понятие о модерации, расчет в R, интерпретация результатов.

модерация - это когда один икс влияет на игрек. т.е. руководитель типа говорит всем что делать

10. Однофакторный дисперсионный анализ: расчет в R, интерпретация результатов.

Значимость наблюдаемых средних значений. Гомогенность дисперсий учитывается

summary(aov(y~soil))

anova(lm(y~soil))

#детальный анализ

model<-aov(y~soil); model.tables(model, se = T)

mean(y)

model.tables(model, "means", se = T)

TukeyHSD(model)

pairwise.t.test(y, soil)

pairwise.t.test(y, soil, p.adj="bonferroni")

11. Многомерный дисперсионный анализ: расчет в R, интерпретация результатов.

v70.n<-as.numeric(v70)

v70.n

table(v70.n)

v70n.r<-recode(v70.n, '6:7=NA')

v70n.r

model1<-manova(y2.r~v70n.r)

summary(model1)

12. Бинарная логистическая регрессия в R. Интерпретация результатов.

13. Пуассоновская регрессия в R: расчет и интерпретация результатов.

fit<-glm(cases~city+age+offset(log(pop)), family=poisson)

summary(fit)

14. Факторный анализ в R: расчет и интерпретация результатов.

#уравновесить дисперсии

meteo.model<-prcomp(meteo2, scale=TRUE)

sapply(list( rainNovDec, temp, rainJuly, radiation, yield), var)

summary(meteo.model)

print(meteo.model)

#график каменистой особи получаем

plot(meteo.model)

predict(meteo.model) [, 1]

meteo.f<-factanal(x=meteo2, factors=2)

meteo.f




1. 29122013 День Время 1329-1зсЛогистика
2. тематические модели и методы
3. ПРАКТИКУМ ПО ПСИХОЛОГИИ ЛИЧНОСТИ Серия Практикум по психологии Главный редактор В
4. N 2 О ПРИМЕНЕНИИ СУДАМИ РОССИЙСКОЙ ФЕДЕРАЦИИ ТРУДОВОГО КОДЕКСА РОССИЙСКОЙ ФЕДЕРАЦИИ в ред
5. тематичних наук Харків 2006 Дисертацією є рукопис
6. Этапы построения образовательного процесса
7. Имей мужество пользоваться собственным умом.html
8. Жираф аристократ саванн
9. 1 Елементами планування є- У прогнозування спеціалізації і виробничого профілю підприємства; У прогнозув
10. реферат Студент Филатов А
11. Государственные социальные внебюджетные фонды
12. на тему- Саксонія та саксонське право середньовіччя Підготувала-
13. принцип золотої середини 1
14. Объект предмет проблемы составные части микроэкономики.
15. валлийский и галльский
16. Малый бизнес в России и в Республике Башкортостан
17. Сплошное чтение полезно тем что дает возможность сориентироваться в тексте предварительно не всегда в яв
18. Статья Состояние опьянения как квалифицирующий признак дорожнотранспортного преступленияАрзамасцев М
19. реферат дисертації на здобуття наукового ступеня кандидата технічних наук Київ ~.
20. Раскройте различия в характеристике монополии в теориях Дж