zajecia-3

This commit is contained in:
Jakub Adamski 2021-04-04 14:14:06 +02:00
parent e19896abd8
commit 4a996fcca1
8 changed files with 902 additions and 7 deletions

View File

@ -1,3 +1,7 @@
# Ćwiczenia statystyka
Zadania w RStudio.
## Estymator
Statystyka służąca do szacowania wartości parametru rozkładu.
Celem zastosowania estymatora jest znalezienie parametru rozkładu cechy w populacji.

Binary file not shown.

View File

@ -1,8 +1,512 @@
moja_lista <- list(c("Jakub", "Adamski"), pi)
moja_lista <- list(c("Jakub", "Adamski"), pi)
print(moja_lista)
pierwiastek <- function(x){
return(sqrt(x))
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
moja_lista <- list(c("Jakub", "Adamski"), pi, pierwiastek)
print(moja_lista)
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)], pom[(match(maxi, pom)+1):length(pom)])
print(pom)
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-2], pom[(match(maxi, pom)):length(pom)])
print(pom)
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)])
print(pom)
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
gorne <- (match(maxi, pom)+1)
if (gorne > length(pom)){
gorne <- length(pom)
}
pom <- c(pom[1:match(maxi, pom)-1], pom[gorne:length(pom)])
print(pom)
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
gorne <- (match(maxi, pom)+1)
if (gorne > length(pom)){
gorne <- length(pom)
}
pom <- c(pom[1:match(maxi, pom)-1], pom[gorne:length(pom)])
print(pom[1:match(maxi, pom)-1])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)])
print(pom[(match(maxi, pom)+1):length(pom)])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)])
print(pom[(match(maxi, pom)):length(pom)])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)])
print(pom[(match(maxi, pom)+1):length(pom)])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)])
print(pom[(match(maxi, pom)+1):length(pom)+1])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
print(pom)
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
print(pom[x != NA])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
print(!is.na(x))
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
print(pom[!is.na(x)])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
print(pom[!is.na(pom)])
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
pom <- pom[!is.na(pom)]
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,7,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
pom <- pom[!is.na(pom)]
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)):length(pom)-1])
pom <- pom[!is.na(pom)]
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
pom <- pom[!is.na(pom)]
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,4,5,1,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
pom <- pom[!is.na(pom)]
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,8,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
pom <- pom[!is.na(pom)]
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))
# ZAD 5
x <- c(1,2,3,7,5,6,7)
minmax <- function(x){
if (length(x) < 3){
return("za krótki argument")
}
liczby <- c()
pom <- x
for(licznik in 1:3){
mini <- min(pom)
pom <- c(pom[1:match(mini, pom)-1], pom[(match(mini, pom)+1):length(pom)])
liczby <- c(liczby, mini)
}
pom <- x
for(licznik in 1:3){
maxi <- max(pom)
pom <- c(pom[1:match(maxi, pom)-1], pom[(match(maxi, pom)+1):length(pom)+1])
pom <- pom[!is.na(pom)]
liczby <- c(liczby, maxi)
}
return(liczby)
}
print(minmax(x))

BIN
zajecia3/.RData Normal file

Binary file not shown.

View File

@ -0,0 +1,249 @@
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
View(ankieta)
View(ankieta)
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta), procent = prop.table(table(ankieta))))
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta), procent = prop.table(table(ankieta))))
print(empiryczny)
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
print(empiryczny)
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
tylko_pods <- ankieta[ankieta$szkola == p]
empiryczny <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny)
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
tylko_pods <- ankieta[ankieta$szkola == "p"]
empiryczny <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny)
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny)
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny)
barplot(table(ankieta))
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(empiryczny,
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(empiryczny[empiryczny$liczebnosc],
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(empiryczny[empiryczny$liczebnosc, ],
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(table(empiryczny),
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(table(empiryczny[empiryczny$liczebnosc, ]),
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
print(table(empiryczny))
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(empiryczny,
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
print(empiryczny)
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(empiryczny,
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
print(empiryczny)
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))),
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
print(empiryczny)
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(table(ankieta$wynik),
xLab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
print(empiryczny)
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(table(ankieta$wynik),
xlab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
barplot(prop.table(table(ankieta$wynik)),
xlab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
pie(table(ankieta$wynik))
barplot(prop.table(table(ankieta$wynik, ankieta$plec)),
beside = TRUE,
xlab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
barplot(prop.table(table(ankieta$wynik, ankieta$plec)),
beside = TRUE,
legend = levels(ankieta$wynik))
barplot(prop.table(table(ankieta$wynik, ankieta$plec)),
beside = TRUE,
col = 1:5,
legend = levels(ankieta$wynik))
centrala <- read.table("http://ls.home.amu.edu.pl/data_sets/Centrala.RData", header = TRUE)
load(url("http://ls.home.amu.edu.pl/data_sets/Centrala.RData"))
head(Centrala)
View(Centrala)
View(Centrala)
load(url("http://ls.home.amu.edu.pl/data_sets/Centrala.RData"))
head(Centrala)
empiryczny <- data.frame(cbind(liczebnosc = table(Centrala$Liczba),
procent = prop.table(table(Centrala$Liczba))))
print(empiryczny)
barplot(table(Centrala$Liczba),
legend = levels(Centrala$Liczba))
barplot(table(Centrala$Liczba),
col = 1:5,
legend = levels(Centrala$Liczba))
barplot(prop.table(table(Centrala$Liczba)),
col = 1:5,
legend = levels(Centrala$Liczba))
pie(table(Centrala$Liczba))
mean(Centrala$Liczba)
median(Centrala$Liczba)
sd(Centrala$Liczba)
sd(Centrala$Liczba) / mean(Centrala$Liczba) * 100
x <- c(0.9, 6.2, 2.1, 4.1, 7.3,
1.0, 4.6, 6.4, 3.8, 5.0,
2.7, 9.2, 5.9, 7.4, 3.0,
4.9, 8.2, 5.0, 1.2, 10.1,
12.2, 2.8, 5.9, 8.2, 0.5)
breaks_hist <- hist(x, plot = FALSE)
breaks_hist <- hist(x, plot = FALSE)
plot(breaks_hist)
breaks_hist <- hist(x, plot = FALSE)$breaks
plot(breaks_hist)
breaks_hist <- hist(x, plot = FALSE)$breaks
print(breaks_hist)
table(cut(x, breaks = breaks_hist))
cut(x, breaks = breaks_hist)
empiryczny <- data.frame(cbind(liczebnosc = table(cut(x, breaks = breaks_hist)),
procent = prop.table(table(cut(x, breaks = breaks_hist)))))
print(empiryczny)
histogram <- hist(x, plot = FALSE)
plot(histogram)
hist(x, plot = FALSE)
lines(density(x), col = "green", lwd = 2)
hist(x)
hist(x, col = "lightblue")
hist(x, col = "lightblue")
lines(density(x), col = "green", lwd = 2)
hist(x, col = "lightblue", probability = TRUE)
lines(density(x), col = "green", lwd = 2)
hist(x, col = "lightblue", probability = TRUE)
lines(density(x), col = "green", lwd = 1)
boxplot(x)
mean(x)
median(x)
sd(x)
sd(x) / mean(x) * 100
skewness(x)
e1071::skewness(x)
install.packages("e1071")
skewness(x)
library(e1071)
skewness(x)
kurtosis(x)
hist(x, col = "lightblue", probability = TRUE)
lines(density(x), col = "green", lwd = 2)
x <- c(1, NA, 3)
wspolczynnik_zmiennosci(x)
wspolczynnik_zmiennosci <- function(x, na.rm = FALSE) {
if (!is.numeric(x)) stop("argument nie jest liczbą")
if (na.rm) x <- na.omit(x)
return(100 * sd(x) / mean(x))
}
x <- c(1, NA, 3)
wspolczynnik_zmiennosci(x)
wspolczynnik_zmiennosci(x, na.rm = TRUE)
wspolczynnik_zmiennosci()
wspolczynnik_zmiennosci(c("x", "y"))

31
zajecia3/README.md Normal file
View File

@ -0,0 +1,31 @@
# Zajęcia 3
Moje notatki
## Miara asymetrii rozkładu
W którą stronę - prawo/lewo, zmienna się rozkłada.
- zero to symetryczny
- dodatnie to prawostronnie asymetryczny - lewa część jest większa
- ujemna to lewostronnie asymetryczna - prawa część jest większa
## Kurtoza
Miara skupienia wartości wokół średniej.
Porównuje rozkład empiryczny z rozkładem normalnym.
- Dodatnia, im większa wartość tym bardziej wartości skupione wokół średniej
- Dla rozkłądu normalnego = 0
- Dla ujemnych (min -2) wykres jest bardziej spłaszczony ni rozkłąd normalny
## Rozkład empiryczny
Za pomocą szeregu rozdzielczego to np podanie liczebności i udziału procentowego danej zmiennej
## Odchylenie standardowe
Intuicyjnie rzecz ujmując, odchylenie standardowe mówi, jak szeroko wartości jakiejś wielkości (na przykład wieku, inflacji, kursu walutowego) są rozrzucone wokół jej średniej.
Im mniejsza wartość odchylenia tym obserwacje są bardziej skupione wokół średniej.
## Współczynnik zmienności
Podaje się w procentach, jest to relacja odchylenia standardowego ze średnią.
Mów nam jak bardzo wartości odbiegają od siebie.
Dzięki temu ze jest w procentach mozemy porównywać rózne rozkłady.
- [Przykład](https://pl.wikipedia.org/wiki/Współczynnik_zmienności)
## Funkcja gęstości
Nieujemna funkcja rzeczywista, określona dla rozkładu prawdopodobieństwa, taka że całka z tej funkcji, obliczona w odpowiednich granicach, jest równa prawdopodobieństwu wystąpienia danego zdarzenia losowego.

BIN
zajecia3/Zajęcia3.pdf Normal file

Binary file not shown.

107
zajecia3/zadania.R Normal file
View File

@ -0,0 +1,107 @@
# ZAD 1
ankieta <- read.table("http://ls.home.amu.edu.pl/data_sets/ankieta.txt", header = TRUE)
empiryczny <- data.frame(cbind(liczebnosc = table(ankieta$wynik),
procent = prop.table(table(ankieta$wynik))))
print(empiryczny)
tylko_pods <- ankieta[ankieta$szkola == "p", ]
empiryczny_pods <- data.frame(cbind(liczebnosc = table(tylko_pods$wynik),
procent = prop.table(table(tylko_pods$wynik))))
print(empiryczny_pods)
barplot(table(ankieta$wynik),
xlab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
barplot(prop.table(table(ankieta$wynik)),
xlab = "Odpowiedzi", ylab = "Odpowiedzi",
main = "Rozkład empiryczny zmiennej wynik")
pie(table(ankieta$wynik))
barplot(prop.table(table(ankieta$wynik, ankieta$plec)),
beside = TRUE,
col = 1:5,
legend = levels(ankieta$wynik))
# ZAD 2
load(url("http://ls.home.amu.edu.pl/data_sets/Centrala.RData"))
head(Centrala)
empiryczny <- data.frame(cbind(liczebnosc = table(Centrala$Liczba),
procent = prop.table(table(Centrala$Liczba))))
print(empiryczny)
barplot(table(Centrala$Liczba),
col = 1:5,
legend = levels(Centrala$Liczba))
barplot(prop.table(table(Centrala$Liczba)),
col = 1:5,
legend = levels(Centrala$Liczba))
pie(table(Centrala$Liczba))
mean(Centrala$Liczba)
median(Centrala$Liczba)
sd(Centrala$Liczba)
sd(Centrala$Liczba) / mean(Centrala$Liczba) * 100
# ZAD 3
x <- c(0.9, 6.2, 2.1, 4.1, 7.3,
1.0, 4.6, 6.4, 3.8, 5.0,
2.7, 9.2, 5.9, 7.4, 3.0,
4.9, 8.2, 5.0, 1.2, 10.1,
12.2, 2.8, 5.9, 8.2, 0.5)
# tworzymy przedziały
breaks_hist <- hist(x, plot = FALSE)$breaks
empiryczny <- data.frame(cbind(liczebnosc = table(cut(x, breaks = breaks_hist)),
procent = prop.table(table(cut(x, breaks = breaks_hist)))))
print(empiryczny)
hist(x)
# lwd to grubość, density to funkcja gęstości
hist(x, col = "lightblue", probability = TRUE)
lines(density(x), col = "green", lwd = 2)
boxplot(x)
mean(x)
median(x)
sd(x)
sd(x) / mean(x) * 100
install.packages("e1071")
library(e1071)
skewness(x)
kurtosis(x)
# ZAD 4
wspolczynnik_zmiennosci <- function(x, na.rm = FALSE) {
if (!is.numeric(x)) stop("argument nie jest liczbą")
if (na.rm) x <- na.omit(x)
return(100 * sd(x) / mean(x))
}
x <- c(1, NA, 3)
wspolczynnik_zmiennosci(x)
wspolczynnik_zmiennosci(x, na.rm = TRUE)
wspolczynnik_zmiennosci()
wspolczynnik_zmiennosci(c("x", "y"))