R语言统计推断S27页PPT文档

observations=c(2,4.6,1,3.7,5.9,4.0,6.7,2.8,1.4,3.1)
C( )表示R中在括号中的数值是以向量形式输入的。
向量的运算与标量的一样，如：
2.54*observations
输出结果为向量中的每一个数值均乘以2.54，然后再以向量 形式输出
利用R，通过定义成向量的形式，我们可以很方便的计算出 上述一列数据的均质和方差，如：
company=read.table("company.txt", header=T) prc=prcomp(company[,-1], scale=T) summary(prc) prc$rotation prc$x[,1:2]
主成分分析R与SPSS比较
R输出结果
SPSS输出结果
因子分析
>dim(A) 函数dim能显示矩阵的二维数据 [1] 3 3
[3,] 3 6 9
3、矩阵的特征值与特征向量
4、矩ห้องสมุดไป่ตู้的合并
5、数据框
矩阵和向量一样，只能拥有一种数据类型，而数据框却 能同时拥有多种。假设数据框内同时含有文字，当数 据框被转化成矩阵时，所有元素都会被转化成文字。
利用指令as.frame，可将矩阵转化为数据框。例如：
数据框的引用
数据框数据的调用 用attach命令
读写数据文件
1、读纯文本文件
相关分析
研究变量间密切程度的一种常用统计方法 相关系数是描述变量间线形关系强弱和方向的统计量 函数名：cor(x, method=c("pearson", "kendall",
"spearman")) 数据文件： highschool.sav 分析方法： Pearson 程序命令： library(foreign)

R语言学习系列27-方差分析(总21页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--22. 方差分析一、方差分析原理1. 方差分析概述方差分析可用来研究多个分组的均值有无差异，其中分组是按影响因素的不同水平值组合进行划分的。

方差分析是对总变异进行分析。

看总变异是由哪些部分组成的，这些部分间的关系如何。

方差分析，是用来检验两个或两个以上均值间差别显著性（影响观察结果的因素：原因变量（列变量）的个数大于2，或分组变量（行变量）的个数大于1）。

一元时常用F检验（也称一元方差分析），多元时用多元方差分析（最常用Wilks’∧检验）。

方差分析可用于：（1）完全随机设计（单因素）、随机区组设计（双因素）、析因设计、拉丁方设计和正交设计等资料；（2）可对两因素间交互作用差异进行显著性检验；（3）进行方差齐性检验。

要比较几组均值时，理论上抽得的几个样本，都假定来自正态总体，且有一个相同的方差，仅仅均值可以不相同。

还需假定每一个观察值都由若干部分累加而成，也即总的效果可分成若干部分，而每一部分都有一个特定的含义，称之谓效应的可加性。

所谓的方差是离均差平方和除以自由度，在方差分析中常简称为均方（Mean Square）。

2. 基本思想基本思想是，将所有测量值上的总变异按照其变异的来源分解为多个部份，然后进行比较，评价由某种因素所引起的变异是否具有统计学意义。

根据效应的可加性，将总的离均差平方和分解成若干部分，每一部分都与某一种效应相对应，总自由度也被分成相应的各个部分，各部分的离均差平方除以各自的自由度得出各部分的均方，然后列出方差分析表算出F检验值，作出统计推断。

方差分析的关键是总离均差平方和的分解，分解越细致，各部分的含义就越明确，对各种效应的作用就越了解，统计推断就越准确。

效应项与试验设计或统计分析的目的有关，一般有：主效应（包括各种因素），交互影响项（因素间的多级交互影响），协变量（来自回归的变异项），等等。

先加载：首先，将未加载的包加载到R的工 作空间，调用的函数为：library(“包名称”)
后浏览：然后，浏览包中提供的函数，调用 的函数为：library(help=”包名称”)
再调用：最后，以无形式参数或带形式参数 的方式调用相应函数
第10页/共336页
R的运行方式
命令行方式是指在R控制台的提示符>后， 输入一条命令并回车即可立即得到运行结果 。适合于较为简单步骤较少的数据处理和分 析
第36页/共336页
判断缺失值和完整观测
示例：
第37页/共336页
生成缺失数据报告
为进一步得到关于数据缺失状况的全面报告 ，可利用mice包提供的相关函数
生成缺失数据报告的函数是md.pattern，基 本书写格式为： md.pattern(矩阵名或数据框名)
示例：
第38页/共336页
第47页/共336页
数据筛选：按条件筛选
实现条件筛选的函数为subset函数，基本书 写格式为： subset(数据框名,关系表达式)
示例：
第48页/共336页
数据筛选：随机筛选
随机筛选是对现有数据按照指定的随机方式 筛选观测样本。可利用sample函数实现， 基本书写格式为： sample(向量名,size=样本量, prob=c(各 元素抽取概率表),replace=TRUE/FALSE)
以编辑窗口形式访问：
第25页/共336页
数据框的创建和访问
示例：
第26页/共336页
示例：
访问数据框
第27页/共336页
数据对象的相互转换
可利用as函数将数据对象的存储类型转换为 指定的类型，基本书写格式为： as.存储类型名(数据对象名)

• 混淆矩阵（Confusion matrix） – 分析分类器判别性能的一种重要的工具。主要用于二元分 类器的评价，但亦可应用于多元分类器的评价。 – 理想地，分类判别性能越好的分类器，对角线上的数值应 该越大，其他表项取直应该为0，或接近0。 – 在R中，使用table函数计算分类器模型的混淆矩阵。 table的第一个参数是实际的类别向量，第二个参数为预 测的类别向量。
估计
判别（预测）
……
ID
12496 14177 24381
…
属性1
F M M
…
Yes No Yes
……
0-1 2-5
……
……
类
No
属性2 属性3 属性4
Europe
f#
Europe Yes
5-10 Pacific Yes
• •
用于进行分类建模的算法属于监督学习算法。 主要的分类建模算法： – 参数模型：模型具有形式化的数学表达式。 在参数模型中，将观测样本属于某个类别的“条件概 率”作为模型输出。 主要算法：线性判别分析、逻辑斯蒂回归、支持向量机、 人工神经⻔络等。 – 非参数模型：模型不具有形式化的数学表达式。
使得f̂能够把新的未知类别的观测样本的属性值xi映射到一个预 先定义的离散型类别变量值yi。
Y = f ̂ ( X)
– 其中，⺫标函数f也称为分类模型，或分类器(classifier)。 – 学习得到的模型f̂的输入可为连续型的数值变量或离散型的 标称变量、序值变量，称为特征(feature)； – 模型输出为离散型的，代表类别的标称变量，称为类(class)。 – 反应变量的类型(连续、离散)是区分回归与分类的主要标准。 – 传统的数学方法无法对离散型变量进行解析表达。