U 10. Delu, prodiskutovaćemo aggregate() komandu za kreiranje sumarne tabele u R. Na osnovu kompleksne datoteke koja uključuje kvalitativne promenljive na nekoliko nivoa želimo kreirati sumarnu tabelu za svaki nivo kvalitativne promenljive. Na primer, naša datoteka može uključivati promenljivu Pol, kvalitativne promenljiva sa dva nivoa, Muško i Žensko. Naša datoteka može uključivati druge kvalitativne promenljive …
U ovom postu, pokazaćemo na jednostavnom primeru primenu rekurzivne funkcije. Problem koji želimo da rešimo je sledeći. Imamo matricu dimenzija N x M. To može na primer biti dvodimenzionalna tabela kontingencije. Kolone koje imaju srednju vrednost manju od zadate vrednosti potrebno je sabrati sa susednom kolonom. U slučaju kada postoje dve susedne kolone bira se …
Naredni video ukratko opisuje kako koristiti Sample Size Calculator aplikaciju. Sample Size Calculator je interaktivna Shiny aplikacija koja izračunava veličinu uzorka prilikom ocenjivanja srednje vrednosti ili proporcije osnovnog skupa.
U 9. Delu ćemo razmotriti kako dobiti podskupove u R. Posmotrimo primer sumarne tabele sa podacima o turistima iz različitih zemalja, prema broju njihove dece i suma novca koju su potrošili na svoj odmor. Kopirati i zalepiti sledeću strukturu podataka u R. A <- structure(list(NACIJE = structure(c(3L, 3L, 3L, 3L, 1L, 3L, 2L, 3L, 1L, …
U ovom ćemo delu razmotriti neke od osnovnih R komandi. Kreirajmo sledeća tri vektora tako što ćemo ih iskopirati i zalepiti u R konzoli. a <- c(3,-7,-3,-9,3,-1,2,-12, -14) b <- c(3,7,-5, 1, 5,-6,-9,16, -8) d <- c(1,2,3,4,5,6,7,8,9) Pokušajte da odrediti šta svaka od sledećih komandi čini. Nije potrebno da objasnite svaku od tih komandi ali …
U ovom delu ćemo razmotriti dodatne komande za crtanje u R. Unesimo sledeće tri komande da bismo kreirali tri promenljive. X <- c(3, 4, 6, 6, 7, 8, 9, 12) B1 <- c(4, 5, 6, 7, 17, 18, 19, 22) B2 <- c(3, 5, 8, 10, 19, 21, 22, 26) Nacrtajmo B1 koristeći y osu …
U šestom delu razmatrićemo osnove crtanja u R. Pokušajte da unesete sledeće tri komande zajedno (tačka zarez vam omogućava da postavite nekoliko komandi na istoj liniji). x <- seq(-4, 4, 0.2); y <- 2*x^2 + 4*x – 7 plot(x, y) Ovo je veoma osnovni grafik, ali ga možemo poboljšati. Hajde da nacrtamo lepši grafik u …
U 3. i 4. delu koristili smo komandu lm() da ocenimo regresione modele. Videli smo kako da proverimo nelinearnost u našim podacima prilagođavanjem polinomskih modela i proverom da li se ti modeli bolje prilagođavaju podacima no linearni model. Sada ćemo da vidimo kako prilagoditi eksponencijalni model u R. Kao i ranije, koristićemo datoteku sa brojevima …
U trećem delu koristili smo komandu lm() da ocenimo regresioni model. U 4. Delu ćemo pogledati naprednije aspekte regresionih modela i videti šta R nudi. Jedan od načina provere nelinearnosti u vašim podacima jeste da prilagodite polinomni model i proverite da li on odgovara podacima bolje od linearnog modela. Međutim, možda ćete takođe hteti da …
U drugom delu kreirali smo dve promenljive i koristili komandu lm() da ocenimo regresioni model u kome smo tretirali visina kao zavisnu promenljivu, a tezina kao nezavisnu promenljivu. Ponovimo ove dve promenljive: visina = c (186, 165, 149, 206, 143, 187, 191, 179, 162, 185) tezina = c (89, 56, 60, 116, 51, 75, 84, …