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.
Brz početak rada sa R: Podskupovi (9. Deo)
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,…
Brz početak rada sa R: Osnovne komande (8. Deo)
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…
Brz početak rada sa R: Dodatno crtanje (7. Deo)
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)…
Brz početak rada sa R: Osnove crtanja u R (6. Deo)
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…
Brz početak rada sa R: Eksponencijalni modeli (5. Deo)
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…
Brz početak rada sa R: Složeniji regresioni modeli (4. Deo)
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,…
Brz početak rada sa R: Regresija (3. Deo)
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,…
Brz početak rada sa R: Grafik i jednostavna regresija (2. Deo)
U prvom delu smo instalirali R i koristili ga za kreiranje promenljive za koju smo potom izračunali nekoliko opisnih statistika pomoću nekoliko jednostavnih naredbi. Danas ćemo ponovno kreirali tu i drugu promenljivu, i videti što možemo učiniti s njima. Kao i pre, uzmimo da visina bude promenljiva koja opisuje visinu…
Brz početak rada sa R: Prvi korak nakon instalacije
Mnogi od vas su čuli za R (R je statistički jezik i sistem za naučna i statistička izračunavanja i grafiku). Možda znate da R upotrebljava unos komande u komandnom redu R konzole, a ne sistem padajućih menija. Možda smatrate da to čini R teškim za korišćenje i pomalo odbojnim! Zaista,…