Professional Documents
Culture Documents
R_studio
Elements de R
Elements de R
• Escalars.
• Variables.
• Vectors.
• Matrius.
• Data.frames.
• Llistes
Elements de R
ESCALARS:
• Exemples:
• numAlumnes=3
• a=5
• b=3
• resultat
• Operacions:
• a*b (=15)
• resultat= a*b
Elements de R
Vectors:
• Exemples i accions:
• c(1,2,4,8)
• a=c(1,2,4,8)
• b=c(1:15)
• c=c(seq(from,to,by)
• d=c(1, 5:9, seq(12,20,0.5))
• colors=(“green”, “red”, “blue”)
• Localització per posició:
• a[4] (=8, 4ª posició no 4t índex)
• b[7] (=7)
• d[7] (=12.0)
• Operacions: element a element
Elements de R
Data.frame:
Freqüències univariades:
• absolutes: table(alumnes$avaluacio)
• relatives: prop.table(table(alumnes$avaluacio))
• barplot: barplot(table(alumnes$avaluacio), main=“Diagrama de frequencies, col=c(“lightblue,”pink”))
• pie: pie(table(alumnes$avaluacio, col=gray(seq(0.5,1.0, lenght=4))
Variables Qualitatives
Freqüències bivariades:
• absolutes: table(alumnes$avaluacio, alumnes$sexe)
• relatives:
• prop.table(table(alumnes$edat, alumnes$sexe)) (el total suma 1)
• prop.table(table(alumnes$edat, alumnes$sexe), margin=1) (la fila suma 1)
• prop.table(table(alumnes$edat, alumnes$sexe), margin=2) (la columna suma 1)
• barplot: barplot(table(alumnes$edat, alumnes$sexe), beside= TRUE)
• dotchart: dotchart(prop.table(table(alumnes[,c(“sexe”,”avaluacio”)])))
• mosaic: plot(table(alumnes$edat, alumnes$sexe))
Variables Ordinals
FREQÜÈNCIES:
• absolutes: table(alumnes$edat)
• relatives: prop.table(table(alumnes$edat))
• acumulat: cumsum(prop.table(table(alumnes$edat)))
• plot: plot(cumsum(prop.table(table(alumnes$edat))))
Variables Quantitatives
DISPERSIÓ:
• màxim: max (alumnes$edat)
• mínim: min (alumnes$edat)
• rang: diff(range(alumnes$edat))
• rang interquartil: IQR(alumnes$edat)
• variança mostral: var(alumnes$edat)
• desviació estàndard: sqrt(var(alumnes$edat))=sd(alumnes$edat)
summary(alumnes)
Variables Quantitatives
COVARIANCES i CORRELACIONS
• gràfic: plot(alumnes$edat, alumnes$numGermans)
• covariança: cov(alumnes$edat, alumnes$numGermans)
• correlació: cor(alumnes$edat, alumnes$numGerman)
Variables Quantitatives
HISTOGRAMES i DENSITAT:
• histogrames: hist(alumnes$edat)
• densitat: plot(density(alumnes$edat)
Nivell Relacional
CONTRAST D’HIPÒTESIS
• Formulació d’hipòtesis:
• H0: Hipòtesis Nul·la (d’homogeneïtat): s’ha de rebutjar o no.
• H1: Hipòtesis Alternativa o de l’investigador (de diferència): És el que l’investigador vol
demostrar, normalment que hi ha una diferència.
• Significància: En la majoria dels casos és 0,05.
• Estadístic de prova: S’escull en funció de l’estudi a fer.
• Lectura del p-valor: Error comès per rebutjar la H0
• Presa de decisions: Com més petit és el p-valor, més forta serà l’evidència per rebutjar H0. Si p-
valor>significància em quedo amb H0.