Linguaxe
description
Transcript of Linguaxe
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
Rosa María Crujeiras CasaisBeatriz Pateiro López
Linguaxe
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Que é ?
Forma parte do parte do proxecto GNU e se presenta como software libre (liberdade dos usuarios para executar, copiar, distribuír, estudar, cambiar e mellorar o software).
Proporciona unha linguaxe de programación propia, baseada na linguaxe S.
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Descargar R: http://www.r-project.org/
Podes atopar: Distintas
versións Paquetes Manuais de
axuda Listas de
correo…
Que é ?
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE Que pasa cando executamos
Cando executamos R, aparece
R Console. No menú está a opción de
“Paquetes” (instalar e cargar paquetes).
Tamén temos fiestras gráficas e scripts.
O mais básico en R• Executar un comando: Return• Comentarios: #
• Asignar valores a obxectos: > x<-3 # Asigna o valor
3
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
A axuda en
Pedindo axuda:
> help(help)
> ?help
> help.search(“mean”) Tamén podemos acceder á axuda de R a través
do menú.
Botóns de axuda
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Principais obxectos en
Principais tipos de obxectos en R
• numeric• character• matrix• array• logical• factor• data.frame• list• …
Principais funcións relacionados co manexo de obxectos en R
> ls( ) Lista os obxectos no directorio de traballo> objects( ) > class(x) Determina a clase do obxecto x> apropos( ) Búsqueda de obxectos> rm(x) Elimina o obxecto x
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Vectores en
Vector numérico > x<-c(1,2,5,6,9) Vector carácter > nomes<-c(“Luis”,”Mar”) Vector lóxico > lox<-c(F,F,T,F)
Vector enteiro > y<-2:6 Outras funcións para definir vectores > z1<-seq(0,8,by=4)
> z2<-seq(0,8,length=4)
> z3<-rep(5,4)
Os argumentos das funcións en R• R substitúe os argumentos das funcións na mesma orde na que están definidos a non ser que lle indiquemos explícitamente o nome do argumento.Definición da función seq: seq(from,to,by,length.out,...)
> seq(1,10,2)> seq(1,2,length=2)
from to by
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Vectores en
Como escollemos as compoñentes dun vector> x[2]> x[-3]> x[1:3]> x[c(1,5)]> x[x>4]
Algunhas funcións útiles
> length(x)> min(x)> max(x)> sort(x)> order(x)
Consulta a axuda para saber como utilizalas
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Operacións con vectores en Operadores matemáticos: + - / *
Para vectores da mesma dimensión, R realiza a operación desexada entre cada compoñente i dun vector coa correspondente compoñente i do outro vector.
> x+y> x/y> 6*x
Que pasa cando operamos con vectores de distinta dimensión?> x+z1
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Matrices en
Como definir matrices > m<-matrix(0,nrow=2,ncol=3) Creando matrices a partir dun vector:
> x<-1:6> m1<-matrix(x,nrow=2)
> m2<-matrix(x,5,2)
Replica o vector x ata completar a dimensión da matriz
Exemplo: Matriz <- matrix(c(1,2,3,11,12,13),nrow=2,ncol=3,byrow=TRUE,dimnames=list(c("f1","f2"),c("c1","c2","c3"))
matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Matrices en
Como escollemos as compoñentes dunha matrix> A<-matrix(c(2,1,3,4),nrow=2,ncol=2)
> B<-matrix(c(3,8),nrow=2,ncol=1)
> C<-matrix(c(2,4,2,1),nr=2,nc=2)
> A[1,2]
> A[,1]
> A[2,]
3
8B
æö÷ç ÷=ç ÷ç ÷è ø
Algunhas funcións útiles
> dim(A)> nrow(A)> ncol(A)> t(B)> diag(nr=3)
2 3
1 4A
æ ö÷ç ÷=ç ÷ç ÷è ø
2 2
4 1C
æ ö÷ç ÷=ç ÷ç ÷è ø
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Operacións con matrices en Operadores matemáticos: + - / * %*%
Para matrices da mesma dimensión, R realiza a operación desexada entre cada compoñente (i,j) dunha matriz coa correspondente compoñente (i,j) da outra matriz.
> A+C> A/C> A*C
Que pasa cando operamos con matrices de distinta dimensión?> A+B
Producto matricial (%*%) e producto compoñente a compoñente (*)> A*B> A%*%B
Función outer> outer(A,B,"+")
3
8B
æö÷ç ÷=ç ÷ç ÷è ø
2 3
1 4A
æ ö÷ç ÷=ç ÷ç ÷è ø
2 2
4 1C
æ ö÷ç ÷=ç ÷ç ÷è ø
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Un exemplo de gráfico en> x<-seq(0,2*pi,length=100)
> y1<-cos(x)
> y2<-sin(x)
> plot(x,y1,col=2,lwd=3,xlab="[0,2pi]",type="l",main="Sen y Cos")
> lines(x,y2,col=3,lwd=3,lty=2)
> points(2,0,pch=17,col=4)
> legend(0,-0.5,c("Coseno","Seno"),col=2:3,lty=1:2,lwd=3)
Algúns argumentos útiles
col Color lwd Anchura de liñalty Tipo de liña (continua, discontinua,...) pch Tipo de punto
main Título principalxlab Título eixo Xylab Título eixo Y
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
apply
> m1> apply(m1,1,sum) #apply(objeto, dim, func)
> clase<-c(“a”,”b”,”a”,”a”,”b”,”a”,”b”)
> x<-c(1,2,1,1,2,1,2)
> tapply(x,clase,mean)
outer
> mifun<-function(x,y){cos(y)/(1+x^2)}> z<-outer(x,y,mifun)
> class(z)
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Estatística básica en
Xeración de variables (e vectores) aleatorias:> x<-rnorm(100,0,1) > mean(x)> var(x) #É a cuasivarianza> var(x)*(length(x)-1)/length(x)> summary(x)
Máis estatística descritiva:> hist(x,freq=F)> lines(density(x),col=3,lwd=2)#estima
densidade> rug(x)> stem(x)> boxplot(x)> plot(ecdf(x),do.points=F,verticals=T)
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Estatística básica en
Máis estatística descritiva:
> shapiro.test(x)
> ks.test(x,”pnorm”,mean=mean(x),sd=sqrt(x))
> y<-rexp(1000,rate=5)
> ks.test(y,”pexp”,rate=1/mean(y))
> z<-rnorm(100,mean=5,sd=3)
> boxplot(x,z)
> t.test(x,z)
> var.test(x,z)
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Estatística básica en
Densidade, distribución, cuantís e xeración de variables aleatorias: d*, p*, q* e r*.
> help(“rnorm”)
> x<-seq(-4,4,by=0.25)
> plot(x,pnorm(x),type=“l”,col=2)
> lines(x,dnorm(x))
> y<-seq(0,1,length=100)
> plot(y,qnorm(y))
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Un modelo de regresión en
Regresión lineal:
> x<-rnorm(100,0,1)
> y<-2+3*x+rnorm(100,0,2*abs(x))
> plot(x,y)
> modelo<-lm(y~x)
> names(modelo)
> plot(modelo)
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Unha interface amable
Rcommander:
• Dende MenúDatos Importar datos (distintos tipos de arquivos).
• No Menú temos Editar Datos e Visualizar Datos.
• Na Fiestra de Resultados temos os comandos que deberiamos escribir.
• Na Fiestra de Instrucións, veñen os procedementos. Pódese volver a eles dende o botón Executar.
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Unha interface amable
Utilizando o Rcommander:
• Importa o arquivo de datos alumnos0607.xls.
• Edita e visualiza os datos.
• Fai un histograma da variable Altura.
• Axusta un modelo de regresión lineal do Peso sobre a Altura: Menú Estatísticos Axuste de modelos.
• En Menú Modelos podemos seleccionar o noso modelo, e debuxar as gráficas de diagnose, facer análise da varianza, etc.
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Unha interface amable
Utilizando o Rcommander (II):
• Diagrama dispersión 3D: MenúGráficas 3D Graph Diagrama dispersión 3D.
•Seleccionamos como resposta o IMC e como explicativas a altura e o peso.
•Temos unha gráfica interactiva.
• En MenúDistribuciones, temos as funcións de densidade, distribución, xeración de datos…
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Rpanel
Este paquete proporciona ferramentas para construir a nosa propia GUI (coma o rcmdr).> bp.sim<-function(panel){boxplot(rnorm(100),col=3)}
> panel<-rp.control()
> rp.buttom(panel,action=bp.sim,title=“Simula”)
R
VIII Congreso Galego de Estatística e Investigación de OperaciónsSantiago de Compostela, 8-9-10 de novembro de 2007
CURSODE
Rpanel
Estimación da densidade:> dens.plot<-function(panel){plot(density(panel$x,bw=panel$h))
panel}
> panel<-rp.control(x=rnorm(100))
> rp.slider(panel,h,0.2,5,action=dens.plot,title=“Fiestra”)