トップ
新規
一覧
単語検索
最終更新
ヘルプ
ログイン
アールメカブ
R_fromOldHtml1_2
をテンプレートにして作成
開始行:
個人メモを整理中です．不適切な記述が多々あるかと思います...
[[R_fromOldHtml1]]
#contents
* LaTeX でテーブル 1 [#h6be20ef]
library(xtable)
x<- matrix(1:24,4,6)
mytable<- xtable(x)
print(mytable)
* LaTeX でテーブル 2 [#s319ea2e]
[[RjpWikiを参照:http://www.okada.jp.org/RWiki/index.php?c...
* 行列のランクを求める。 [#s806caeb]
qr(X)$rank # 舟尾 p.61
* ベクトルのノルム [#b92c3db0]
渋谷 柴田 p.37
norm if(p=="inf") return (max(abs(x)))
sum(abs(x)^p)^(1/p)
}
これは sqrt(t(x) %*% x) に等しい。
* read.csv 読み込み時に変数名を付加する [#o54b5cb7]
例えば，以下のようにする場合
#x<- read.csv("anborgia.nr.csv",header=F,row.names=1);x
# colnames(x)<- c("line");x
以下のように実行しても構わない。ただし元データが２列で，...
その関係で，col.namesの引数は二ついる。
x<- read.csv("anborgia.nr.csv",
header=F,row.names=1,col.names=c("","line1"));x
* 生データから頻度表を作成し，適合度の検定を行なう [#zaf...
まず
jena
freq
1 15
2 10
3 21
4 20
5 30
...
kanzel
freq
1 19
2 38
3 4
4 23
5 29
...
table( factor(cut(buntyo$V1,
breaks=c(0, 5, 10, 15, 25, 35, 40))) )
などとする．
ここでは 0 より大きく 5 以下，5 より大きく10以下，などを...
としてデータを読み込み，これに頻度カテゴリを表す列を追加...
jena$fac
jena
freq fac
1 15 (11,16]
2 10 (6,11]
3 21 (16,22]
4 20 (16,22]
5 30 (22,31]
...
kanzel
freq fac
1 19 (16,22]
2 38 (31,92]
3 4 (0,6]
4 23 (22,31]
5 29 (22,31]
ここで table(kanzel$jena)とすれば，各カテゴリの頻度が求め...
さて，ここでこの二つの頻度について適合度の検定を行なうに...
test chisq.test(test)
とする。
* 図に凡例を付記する [#wa609321]
legend(x軸, y軸, ラベルの指定, fill= 色の指定, pch = シ...
labs cols mypch
legend(7, 10, labs, pch = mypch, col=cols)
x,y 軸は locator(1)として調べれば良い。あるいは引数として...
[[John Fox:http//socserv.mcmaster.ca/jfox/]], p.138
legend(locator(1), c('high', 'low'),
lty = c(1,3), lwd =c(3,3), pch = c(19,1))
[[Wood, Generalized Additive Models:http://www.amazon.co....
legend("topright", legend = levels(water$location),
pch = c(1,2), bty = "n")
S-Plus であれば，marks 。
* 重複を取る [#l940a327]
例:ishida/research/corpus/file.old/bak/file/writers19.R ...
ここで unique は重複を取る。
legend(-4.3, 4.5, unique(writers.name),
fill=(as.integer(unique(writers.name))), text.width=1)
* 行列・配列の特定の次元を軸にあるベクトルを順に操作する...
x <- matrix(1:16, 4,4)
x
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 2 6 10 14
[3,] 3 7 11 15
[4,] 4 8 12 16
y= 1:4 # sweep されるベクトル
sweep(x,1,y) # x の各列から y を引き去る(既...
[,1] [,2] [,3] [,4]
[1,] 0 4 8 12
[2,] 0 4 8 12
[3,] 0 4 8 12
[4,] 0 4 8 12
sweep(x,2,y) # x の各行から y を引き去る(既...
[,1] [,2] [,3] [,4]
[1,] 0 3 6 9
[2,] 1 4 7 10
[3,] 2 5 8 11
[4,] 3 6 9 12
sweep(x,1,y, "*") # x の各列に y を掛ける
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 4 12 20 28
[3,] 9 21 33 45
[4,] 16 32 48 64
* updateの使い方 2005 /06 /04 [#l829ce4d]
例えば
writers.lda table(writers$writer,predict(writers.lda)$c...
と解析した結果と，und を取り除いた結果
writers.lda.und table(writers$writer,
predict(writers.lda.und)$class)
を比較する。なお以下はエラーとなる
#writers.lda.step #anova(writers.lda , writers.lda.und)
* 判別分析における交差妥当化 2005/06/04 [#ub22b09e]
例えば
writers.lda #table(writers$writer,writers.lda$class) エ...
table(writers$writer,predict(writers.lda)$class)
#cross validation
writers.lda.cv CV=T)
table(writers$writer,writers.lda.cv$class)
#table(writers$writer,predict(writers.lda.cv)$class) エ...
* グラフに直線を引く 2005 / 06 / 14 [#j93a5c1d]
plot(x ~ y)
kaiseki.lm(x ~ y)
abline(kaiseki.lm[1,1], kaiseki.lm[3,1])
として切片，傾きを指定しても，また
abline(kaiseli.lm)
とするのも可能。
* 分散分析の結果に summary.lm を実行 2005/06/15 [#ff0ccd...
Crawely p.163
分散分析で，平均値に差があるかを確認し，さらに，要因レベ...
summary.lm(aov(ozone ~ garden))
などを実行する。
* quartile と quantile percentile の使い分け 2005/06/15...
Dalgaard p.58
//0.25, 0.5, 0.75 点の三つを three quartile といい，
//これに min, max を含めてそれぞれを quantile という。
Crawely p.197
//50% - 75% quartile と範囲を指定
//75% quantile などと分位点を指定
//
//quantile は，四分位点を一般化した p分位点，すなわち，10...
* Boxplot での notch＝Ｔ オプション 2005/06/15 [#aee66ae1]
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
//ノッチは，メディアンの中心線から，上下に同じ長さの裾を...
* treatment.control の見方 2005/06/16 [#i78e2ed7]
[[Crawley Statistics Using R:http://www.amazon.co.jp/Stat...
treatment.control では，各要因の各レベルの効果を，
その要因の切片(基軸)であるレベルと比較して判断する。
したがって，基軸以外のレベルの相互の有意差は表示されてい...
基軸以外のレベル相互の比較
要因Aと他要因 BCD全体との差，BCD 内の差を一度に検定 2006 ...
[[John Fox:http://socserv.mcmaster.ca/jfox/]], p.142 - 143.
他に[[ここ>#ContrastsMatrix]]
* loglin2 2*2 分割表の Likelihood ratio を求める [#u3b53...
&aname(loglin2);
始めに ここを参照
こことここも
またここも
meyer p.132 の例より
lessWords moreWords
USA 57 2
Phil 71 12
NZ 66 16
GB 23 0
meyerP.132 dimnames(meyerP.132)
model0 summary(model0)
# anova(model0) # これは用意されていない
model1 summary(model1)
model1$lrt
#P値は
1- pchisq(model1$lrt, model1$df)
1- pchisq(model1$pearson, model1$df)
* コレスポンデンス分析 [#q882e6d5]
R multiv パッケージのコレスポンデンス分析で出力される
行座標 $rproj, 列座標 $cproj はデフォルトでは，求められた...
参照 高橋信「Excelによるコレスポンデンス分析」, p.127
research/statistics/correspondence.R を参照
#高橋信「Excelによるコレスポンデンス分析」
Z 13,8,15,16,
18,11,14,8), ncol=4, byrow=T)
#行ラベルとして使用する第1列をrowvarに代入
Z.rowvar<- c("M","H","C")
#rowvarの値を行ラベルとして読み込む
Z.colvar
rownames(Z) colnames(Z)
Z
A B C D
M 10 19 13 5
H 13 8 15 16
C 18 11 14 8
Z.diagC #> Z.diagC
# [,1] [,2] [,3] [,4]
#[1,] 41 0 0 0
#[2,] 0 38 0 0
#[3,] 0 0 42 0
#[4,] 0 0 0 29
#Z.diagR #> Z.diagR
# [,1] [,2] [,3]
#[1,] 47 0 0
#[2,] 0 52 0
#[3,] 0 0 51
#Z.diagR.sqrt # [,1] [,2] [,3]
#[1,] 6.855655 0.000000 0.000000
#[2,] 0.000000 7.211103 0.000000
#[3,] 0.000000 0.000000 7.141428
#
#Z.solve Z.eigen
#$values
#[1] 1.00000000 0.07629421 0.01828369
#$vectors
# [,1] [,2] [,3]
#[1,] -0.5597619 0.74374060 0.3653992
#[2,] -0.5887841 -0.66725782 0.4561802
#[3,] -0.5830952 -0.04021102 -0.8114081
#
# [,1] [,2] [,3]
# [1,] 0.3579767 0.2947642 0.3186919
# [2,] 0.2947642 0.3844402 0.3385965
# [3,] 0.3186919 0.3385965 0.3521610
# 固有値 １ と，対応する固有ベクトルは仮定
# 平均０，分散１に反する
# p.121 # x, y が求まる，以下はxのみ
Z.kai.X [,1] [,2] [,3]
[1,] -1 1.32867325 -0.6527762
[2,] -1 -1.13328105 -0.7747835
[3,] -1 -0.06896133 1.3915534
# 以下は Y のみ
Z.kai.Y # [,1]
# [1,] -0.23728726
# [2,] 1.46910930
# [3,] -0.05964337
# [4,] -1.50318462
Z.kai.Y # [,1]
# [1,] 1.5238380
# [2,] -0.6410599
# [3,] -0.1102451
# [4,] -1.1547168
# 固有値の平方根 は単相関係数
sqrt(Z.eigen$values)
# [1] 1.0000000 0.2762141 0.1352172
# p.127
Z.kai[,2] * sqrt(Z.eigen$values)[2]
# [1] 0.36699824 -0.31302816 -0.01904809
Z.kai[,3] * sqrt(Z.eigen$values)[3]
# [1] -0.08826657 -0.10476405 0.18816195
#(solve(Z.diagR.sqrt, sqrt(150) * Z.eigen$vectors))
%o% sqrt(Z.eigen$values)
library(multiv)
Z.results> Z.results
$evals
[1] 0.07629421 0.01828369
$rproj
Factor1 Factor2
[1,] 0.36699824 -0.08826657
[2,] -0.31302816 -0.10476405
[3,] -0.01904809 0.18816195
$cproj
Factor1 Factor2
[1,] -0.06554208 0.20604911
[2,] 0.40578865 -0.08668233
[3,] -0.01647434 -0.01490704
[4,] -0.41520073 -0.15613757
$rcntr
Factor1 Factor2
[1,] 0.553150080 0.1335166
[2,] 0.445232993 0.2081003
[3,] 0.001616926 0.6583831
$ccntr
* 図の保存 eps 形式 2005 06 24 [#o1d0f24b]
dev.copy2eps(file="log.eps")
* 対数尤度比をコーパスで求める場合 2005 07 01 [#j65238fa]
Dunning の式は，Oakes p.172 にまとめられている。必要とな...
当該コーパスにおける総語数 N (結局 a+b+c+d に等しい)。
a = あるキーワードにたいして設定したスパンの内部に，その...
b = キーワードにたいして，その共起語以外の語がスパンに現...
c = キーワード以外の語にたいして，その共起語がスパンに現...
d = キーワード以外の語にたいして，その共起語以外の語が現...
* 東大「人文社会科学の統計学」，飽和モデル，独立モデル 2...
始めに ここを参照
こことここも
またここも
&aname(social.mobility2);
データは東大「人文社会科学の統計学」 p.277
social.mobility2<-
array(c(
517, 244, 250,
152, 351, 328,
7, 13, 140,
441, 159, 272,
130, 227, 351,
24, 21, 268
),
dim = c(3,3, 2),
dimnames =
list(
father = c("white","blue","agri" ), # = c(1)...
child = c( "white","blue","agri"), # = c(2)
year= c("1985", "1975") # = c(3)
)
)
class(social.mobility2 )<- "table"
ftable(social.mobility2)
library(MASS)
# 以下は，3次の効果を外した同時独立モデルだが，ここに有意...
# 3次の効果を含めた飽和モデルは，自由度ゼロなので必ず適合...
social.mobility2.loglm3<- loglm(~father + child + year +
father:child + father:year + child:year,
data=social.mobility2)
anova(social.mobility2.loglm3, test="Chisq")
同じことだが，以下でもよい
social.mobility2.loglm3<- loglm(social.mobility2,
list(c(1), c(2), c(1,2), c(2,3), c(1,3)))
1 -pchisq(kekka$lrt,kekka$df)#
1 -pchisq(kekka$pearson,kekka$df)#
# 東大「人文社会の統計学」 p.276
# log m = u... + ui.. + u.j. + u..k + uij. + ui.k + u.jk ...
# ここで uij. ui.k u.jk がそれぞれ，father:child, fathe...
# を表しているが
# uijk (p.276下から12行目), すなわち father:child:year
# は含まれていないモデル
# なお u... は全体平均 grandmean は暗黙のうちに含まれる
# ui.. 行平均 u.j. 列平均 u..k 軸平均は それぞれ要因 ...
# を指定して含まれる
* 分散分析での母数モデル，変量モデル，混合モデル(豊田秀...
S-Plus での混合モデルの構築
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
ちなみに
# p.678
lmedata3.model2 で。
random=~1|Genotype
は Genotype の intercepts をランダム要因と見なす指定, p.678
# 豊田秀樹 違いを見抜く統計学 p.120, p.127, toyoda.Bunsan...
p120<- data.frame(type = rep(c("sea","mount"), each = 8...
develop = rep(rep(c("old","new"), c(4,4)),2) ,
region = rep(c("izu","kuju","karui","yatsu"), each=4),
price = c(18.0, 15.0, 12.0, 20.7, 7.6, 12.3, 15.0, 15.2,
11.7, 11.6, 14.5, 15.4, 7.8, 7.5, 4.2, 6.4))
#p120<- data.frame(type = rep(c("sea","mount"), each = ...
develop = rep(rep(c("old","new"), c(4,4)),2) ,
price = c(18.0, 15.0, 12.0, 20.7, 7.6, 12.3, 15.0, 15.2,
11.7, 11.6, 14.5, 15.4, 7.8, 7.5, 4.2, 6.4))
#> p120
# type develop region price
#1 sea old izu 18.0
#2 sea old izu 15.0
#3 sea old izu 12.0
#4 sea old izu 20.7
#5 sea new kuju 7.6
#6 sea new kuju 12.3
#7 sea new kuju 15.0
#8 sea new kuju 15.2
#9 mount old karui 11.7
#10 mount old karui 11.6
#11 mount old karui 14.5
#12 mount old karui 15.4
#13 mount new yatsu 7.8
#14 mount new yatsu 7.5
#15 mount new yatsu 4.2
#16 mount new yatsu 6.4
attach(p120)
交互作用を含んだモデル，交互作用棄却後のプーリングモデル
p120.aov<- aov(price ~ type * develop)
summary(p120.aov)
p.123と同じ出力# 豊田秀樹 違いを見抜く統計学 p.120, p.127
type develop の結果だけ見れば，プーリングした結果と同じ(p...
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 10.1788 0.007769 **
develop 1 115.026 115.026 13.9084 0.002877 **
type:develop 1 8.556 8.556 1.0345 0.329170
Residuals 12 99.242 8.270
summary.lm(p.120.aov)
> 84.181 / 8.270
# AB の平均平方ではなく，誤差の平均平方で割っている, p...
[1] 10.17908
> 115.026 / 8.270
[1] 13.90883
> 1 - pf(10.1788, 1, 12)
[1] 0.007769413
交互作用を変量としたモデル，反復測定
p121.aov = aov(price ~ type + develop + Error(type/dev...
summary(p121.aov)
p.121 と同じ出力
母数因子だが，一つの標本から繰り返し測定した
すなわち，交互作用は変量モデル
Error: type:develop
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 9.8392 0.1965
develop 1 115.026 115.026 13.4444 0.1695
Residuals 1 8.556 8.556
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 12 99.242 8.270
ネストを仮定したモデル
p127.aov summary(p127.aov)
p.127 と同じ出力
すなわち，地域はタイプにネストしている
Error: region:type
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 1.3624 0.3635
Residuals 2 123.581 61.791
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 12 99.242 8.270
ここで
> 61.791 / 8.270
> 1 - pf(7.471705 , 2, 12)
[1] 0.007804986
三段のネストを仮定したモデル
これは上の２段ネストと同じ結果になっている
p.157 とは異なり，残差が二つに分離されていないx
p.157.aov <- summary( p.157.aov )
Error: region:type
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 1.3624 0.3635
Residuals 2 123.581 61.791
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 12 99.242 8.270
また crawley, S-Plus, p.213下を参照。
p120.aov # = aov(price ~ type/develop)
# = aov(price ~ type/develop + Error( type/develop))
summary(p120.aov)
#
# p.127 と同じ出力
#
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 10.1788 0.007769 **
#type:region 2 123.581 61.791 7.4715 0.007806 **
#Residuals 12 99.242 8.270
#anova(p120.aov) #Error
#
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 10.1788 0.007769 **
#develop 1 115.026 115.026 13.9084 0.002877 **
#type:develop 1 8.556 8.556 1.0345 0.329170
#Residuals 12 99.242 8.270
#summary.lm(p120.aov)
#> 84.181 / 8.270
# AB の平均平方ではなく，誤差の平均平方で割っている, p....
#[1] 10.17908
#> 115.026 / 8.270
#[1] 13.90883
#> 1 - pf(10.1788, 1, 12)
#[1] 0.007769413
# エラ−モデル 1
p120.aov summary(p120.aov)
#
# p.121 と同じ出力
#
#Error: type:develop
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 9.8392 0.1965
#develop 1 115.026 115.026 13.4444 0.1695
#Residuals 1 8.556 8.556
#Error: Within
# Df Sum Sq Mean Sq F value Pr(>F)
#Residuals 12 99.242 8.270
# エラ−モデル 2
p120.aov summary(p120.aov)
#
# p.127 と同じ出力
#
#Error: region:type
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 1.3624 0.3635
#Residuals 2 123.581 61.791
#Error: Within
# Df Sum Sq Mean Sq F value Pr(>F)
#Residuals 12 99.242 8.270
# ネストモデル
p120.aov summary(p120.aov)
#
# p.127と同じ出力
#
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 10.1788 0.007769 **
#type:region 2 123.581 61.791 7.4715 0.007806 **
#Residuals 12 99.242 8.270
#anova(p120.aov) #Error
* 対数尤度を求める関数 2005 08 01 [#o1feec7a]
logLik, (crawley, S-Plus, p.121)
* リストへのアクセス 2005 08 03 [#r8e750c9]
test
Error: factory
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 6 260.70 43.45
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
treats 4 8.324 2.081 0.4637 0.7617
Residuals 24 107.704 4.488
以上のリストで，Error の F value にアクセスするには
summary(aov(rate ~ treats +
Error(factory)))[[2]][[1]]$"F value"[1]
と実行する。
Crawely.S.plus.R を参照
* グラフィックス表示を一枚ずつ見る 2005 08 05 [#d0392771]
par(ask=TRUE)
* 共分散分析, Ancova モデル式におけるアスタリスク 2005...
difference in the slop は 交互作用の項を見る。
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
covariate については p.293
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
w が sex カテゴリーの変数，x が連続量の変数の場合
y ~ w * x
は，w の二つのカテゴリそれぞれに回帰式(intecept と slope)...
[[John Fox:http://socserv.mcmaster.ca/jfox/]] p.126
// S-plus
* [S] EES の評価途中にスペースがある [#yb52040f]
式に改行やスペースが挟間っていると，そこで処理が止まって...
* [S] ESS で操作中で画像の選択がある [#t7d79e80]
例えば plot を含めて，式を一括評価する時
par(ask=T)
と設定した後だと，yes か no の答えを得ることができないの...
* データの並び替え [#q9c7bb32]
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
> fishery
xv yv
1 13.9885004 4.56836585
2 89.7028342 0.29710071
3 9.3151971 3.90699292
4 9.2132163 4.38109971
5 34.7017719 1.85936367
のようなデータフレームならば
fishery[order(fishery$xv),]
とすれば，xv の昇順にデータが整列する。
* [S] 内積とノルム 2005 08 23 [#f3b0090e]
a b
内積は
t(a) %*% b
としても
sum(a * b)
としても良い。
ノルムは
vecnorm(a); vecnorm(b) #で求めるか
# mynorm
if(p=="inf") return(max(abs(x)))
sum(abs(x)^p)^(1/p))
}
で求める。
* adj の設定 2005 08 25 [#ub65cb39]
research/tex/p2005/2005/dunne.R より
text(E.normalized.B.dunne2[1,
E.normalized.B.dunne2[2,] > 0.0],
E.normalized.B.dunne2[2, E.normalized.B.dunne2[2,] > 0....
adj=c(1.5,-.5), labels=( colnames(
E.normalized.B.dunne2[, E.normalized.B.dunne2[2,]
adj=c(X,Y) X を正にすると，点は左に，Yを正にすると点は下...
* 負の2項分布 2005 08 30 [#w1336322]
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
例えば
成功率 0.6, 成功までの試行数が 5 として(すなわち６回目に...
100回の試行を行なう。
count
table(count)
0 1 2 3 4 5 6 7 8 9
8 13 20 19 18 7 9 3 2 1
この場合 失敗無しで５回の成功が出た試行が 8 回
失敗 1 で５回の成功が出た試行が 13 回
あるのを意味する。
# 2006 07 24 追加
工学のためのデータサイエンス, p.49 - p.50
R の関数 _nbinom の引数 size, prob は
平均 mean が 'size * (1 - prob)/prob' を満たし，また
確率 prob が 'scale/(1 + scale)' を満たすように取られる
d <- p(0, 1612), rep(1,164), rep(2,71), rep(3,47),
rep(4,28), rep(5,17), rep(6,12), rep(7,12),
rep(8,5), rep(9,7), rep(10,6), rep(11,3), rep(12,3),
rep(13, 13))
mean(d) # = 0.6005
var(d) # = 3.262531
prob = 0.1155 * (1 - 0.1553) / 0.1553
# = 0.6282218 = size *(1 - prob)/prob
scale = 0.1838523 / ( 1 + 0.1838523)
# = 0.1553 = scale/ (scale + 0.1553)
* lm, glm オブジェクトの summary における t 検定,z 検定 ...
S-Plus では t 値が，R では z 値がデフォルト
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
また S-Plus では，lm の出力は Pr(|t|) を出力するが，glm ...
* rgl.bbox の引数 2005 09 02 [#s091d17e]
rgl.bbox(color="#999999", emission="#FFA500",
specular="#FFF0F5", shinines=5,alpha=0.8)
color="#999999" は座標の数値ラベル色
emission="#FFA500" はボックスの壁の色
specular="#FFF0F5" は明るさ，数値が大きいほど明るい
shinines=5 は反射の具合
* 関数グラフの書き方 2005 09 19 [#q2e33709]
xyplot(x,y,type="l")
同じことだが
curve((x^2 - 6*x + 10), 0,6)
* 2項分布を Poisson 分布で近似する 2005 09 28 [#h5577017]
例えば2項分布で，0.00001 で成功する賭けを 100000 回行なっ...
ちょうど２０回成功する確率は
pbinom(20, 100000, .0001) - pbinom(19, 100000, .0001)
[1] 0.001865335
これをポアソン分布で近似するには
ppois(20, 10) - ppois(19, 10)
[1] 0.001866081
* データフレームのコピー 2005 10 08 [#s5f3e4ac]
[[John Fox:http://socserv.mcmaster.ca/jfox/]] p.63 - 64
> search()
[1] ".GlobalEnv" "package:car" "package:methods...
[4] "package:stats" "package:graphics" "package:grDevic...
[7] "package:utils" "package:datasets" "Autoloads" ...
10] "package:base"
> cooperation
エラー：オブジェクト "cooperation" は存在しません
> attach(Guyer) # Guyerデータには変数 operationがある
> objects()
[1] "Guyer" "hump.data" "hump.model" "last.w...
> cooperation
[1] 49 64 37 52 68 54 61 79 64 29 27 58 52 41 30 40 39...
> cooperation > objects()新たに変数 cooperation が作成...
[1] "Guyer" "cooperation" "hump.data" "hump....
> rm(cooperation)# 新たに作成された cooperation を消し
> cooperation[1] Guyer変数のcooperation[1]を変更したつ...
> objects()実際にはコピーができている
[1] "Guyer" "cooperation" "hump.data" "hump....
> rm(cooperation)
> objects()
[1] "Guyer" "hump.data" "hump.model" "last....
* png などの画像への保存 2005 11 09 [#b2a9096e]
始めに
png(file="gazo.png") #として device を平き
polt(y ~ x) # として画像を作成し
dev.off() # として device を閉じる。
ここで始めて保存される。
* 標準誤差 2005 12 02 [#zdcdd38c]
標準誤差とは，平均値の推定値の範囲
標準偏差とは，データが平均を中心にどれだけばらついている...
* Boxplot の notch の解釈 2005 12 23 [#mcf9c930]
Boxplot の箱は 75 - 25 %タイルを示しているが，あるデータ...
[[Crawley Statistics Using R:http://www.amazon.co.jp/Stat...
* [S] 関数内で式を表示させない 2005 12 24 [#e11ee55f]
関数内では，付置の式以外は表示される。
特に print 文では注意が必要である。
これを防ぐため，invisibleを使う。
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
渋谷，柴田 p.34
* [S] S-plus + ESS 環境でのヘルプ 2005 12 24 [#d40dc98b]
キーワードにカーソルを合わせ，C-c C-v で表示させる。
?キーワードでは表示されない
// <<- はグローバル変数への代入
//
// 舟尾 p.183
終了行:
個人メモを整理中です．不適切な記述が多々あるかと思います...
[[R_fromOldHtml1]]
#contents
* LaTeX でテーブル 1 [#h6be20ef]
library(xtable)
x<- matrix(1:24,4,6)
mytable<- xtable(x)
print(mytable)
* LaTeX でテーブル 2 [#s319ea2e]
[[RjpWikiを参照:http://www.okada.jp.org/RWiki/index.php?c...
* 行列のランクを求める。 [#s806caeb]
qr(X)$rank # 舟尾 p.61
* ベクトルのノルム [#b92c3db0]
渋谷 柴田 p.37
norm if(p=="inf") return (max(abs(x)))
sum(abs(x)^p)^(1/p)
}
これは sqrt(t(x) %*% x) に等しい。
* read.csv 読み込み時に変数名を付加する [#o54b5cb7]
例えば，以下のようにする場合
#x<- read.csv("anborgia.nr.csv",header=F,row.names=1);x
# colnames(x)<- c("line");x
以下のように実行しても構わない。ただし元データが２列で，...
その関係で，col.namesの引数は二ついる。
x<- read.csv("anborgia.nr.csv",
header=F,row.names=1,col.names=c("","line1"));x
* 生データから頻度表を作成し，適合度の検定を行なう [#zaf...
まず
jena
freq
1 15
2 10
3 21
4 20
5 30
...
kanzel
freq
1 19
2 38
3 4
4 23
5 29
...
table( factor(cut(buntyo$V1,
breaks=c(0, 5, 10, 15, 25, 35, 40))) )
などとする．
ここでは 0 より大きく 5 以下，5 より大きく10以下，などを...
としてデータを読み込み，これに頻度カテゴリを表す列を追加...
jena$fac
jena
freq fac
1 15 (11,16]
2 10 (6,11]
3 21 (16,22]
4 20 (16,22]
5 30 (22,31]
...
kanzel
freq fac
1 19 (16,22]
2 38 (31,92]
3 4 (0,6]
4 23 (22,31]
5 29 (22,31]
ここで table(kanzel$jena)とすれば，各カテゴリの頻度が求め...
さて，ここでこの二つの頻度について適合度の検定を行なうに...
test chisq.test(test)
とする。
* 図に凡例を付記する [#wa609321]
legend(x軸, y軸, ラベルの指定, fill= 色の指定, pch = シ...
labs cols mypch
legend(7, 10, labs, pch = mypch, col=cols)
x,y 軸は locator(1)として調べれば良い。あるいは引数として...
[[John Fox:http//socserv.mcmaster.ca/jfox/]], p.138
legend(locator(1), c('high', 'low'),
lty = c(1,3), lwd =c(3,3), pch = c(19,1))
[[Wood, Generalized Additive Models:http://www.amazon.co....
legend("topright", legend = levels(water$location),
pch = c(1,2), bty = "n")
S-Plus であれば，marks 。
* 重複を取る [#l940a327]
例:ishida/research/corpus/file.old/bak/file/writers19.R ...
ここで unique は重複を取る。
legend(-4.3, 4.5, unique(writers.name),
fill=(as.integer(unique(writers.name))), text.width=1)
* 行列・配列の特定の次元を軸にあるベクトルを順に操作する...
x <- matrix(1:16, 4,4)
x
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 2 6 10 14
[3,] 3 7 11 15
[4,] 4 8 12 16
y= 1:4 # sweep されるベクトル
sweep(x,1,y) # x の各列から y を引き去る(既...
[,1] [,2] [,3] [,4]
[1,] 0 4 8 12
[2,] 0 4 8 12
[3,] 0 4 8 12
[4,] 0 4 8 12
sweep(x,2,y) # x の各行から y を引き去る(既...
[,1] [,2] [,3] [,4]
[1,] 0 3 6 9
[2,] 1 4 7 10
[3,] 2 5 8 11
[4,] 3 6 9 12
sweep(x,1,y, "*") # x の各列に y を掛ける
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 4 12 20 28
[3,] 9 21 33 45
[4,] 16 32 48 64
* updateの使い方 2005 /06 /04 [#l829ce4d]
例えば
writers.lda table(writers$writer,predict(writers.lda)$c...
と解析した結果と，und を取り除いた結果
writers.lda.und table(writers$writer,
predict(writers.lda.und)$class)
を比較する。なお以下はエラーとなる
#writers.lda.step #anova(writers.lda , writers.lda.und)
* 判別分析における交差妥当化 2005/06/04 [#ub22b09e]
例えば
writers.lda #table(writers$writer,writers.lda$class) エ...
table(writers$writer,predict(writers.lda)$class)
#cross validation
writers.lda.cv CV=T)
table(writers$writer,writers.lda.cv$class)
#table(writers$writer,predict(writers.lda.cv)$class) エ...
* グラフに直線を引く 2005 / 06 / 14 [#j93a5c1d]
plot(x ~ y)
kaiseki.lm(x ~ y)
abline(kaiseki.lm[1,1], kaiseki.lm[3,1])
として切片，傾きを指定しても，また
abline(kaiseli.lm)
とするのも可能。
* 分散分析の結果に summary.lm を実行 2005/06/15 [#ff0ccd...
Crawely p.163
分散分析で，平均値に差があるかを確認し，さらに，要因レベ...
summary.lm(aov(ozone ~ garden))
などを実行する。
* quartile と quantile percentile の使い分け 2005/06/15...
Dalgaard p.58
//0.25, 0.5, 0.75 点の三つを three quartile といい，
//これに min, max を含めてそれぞれを quantile という。
Crawely p.197
//50% - 75% quartile と範囲を指定
//75% quantile などと分位点を指定
//
//quantile は，四分位点を一般化した p分位点，すなわち，10...
* Boxplot での notch＝Ｔ オプション 2005/06/15 [#aee66ae1]
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
//ノッチは，メディアンの中心線から，上下に同じ長さの裾を...
* treatment.control の見方 2005/06/16 [#i78e2ed7]
[[Crawley Statistics Using R:http://www.amazon.co.jp/Stat...
treatment.control では，各要因の各レベルの効果を，
その要因の切片(基軸)であるレベルと比較して判断する。
したがって，基軸以外のレベルの相互の有意差は表示されてい...
基軸以外のレベル相互の比較
要因Aと他要因 BCD全体との差，BCD 内の差を一度に検定 2006 ...
[[John Fox:http://socserv.mcmaster.ca/jfox/]], p.142 - 143.
他に[[ここ>#ContrastsMatrix]]
* loglin2 2*2 分割表の Likelihood ratio を求める [#u3b53...
&aname(loglin2);
始めに ここを参照
こことここも
またここも
meyer p.132 の例より
lessWords moreWords
USA 57 2
Phil 71 12
NZ 66 16
GB 23 0
meyerP.132 dimnames(meyerP.132)
model0 summary(model0)
# anova(model0) # これは用意されていない
model1 summary(model1)
model1$lrt
#P値は
1- pchisq(model1$lrt, model1$df)
1- pchisq(model1$pearson, model1$df)
* コレスポンデンス分析 [#q882e6d5]
R multiv パッケージのコレスポンデンス分析で出力される
行座標 $rproj, 列座標 $cproj はデフォルトでは，求められた...
参照 高橋信「Excelによるコレスポンデンス分析」, p.127
research/statistics/correspondence.R を参照
#高橋信「Excelによるコレスポンデンス分析」
Z 13,8,15,16,
18,11,14,8), ncol=4, byrow=T)
#行ラベルとして使用する第1列をrowvarに代入
Z.rowvar<- c("M","H","C")
#rowvarの値を行ラベルとして読み込む
Z.colvar
rownames(Z) colnames(Z)
Z
A B C D
M 10 19 13 5
H 13 8 15 16
C 18 11 14 8
Z.diagC #> Z.diagC
# [,1] [,2] [,3] [,4]
#[1,] 41 0 0 0
#[2,] 0 38 0 0
#[3,] 0 0 42 0
#[4,] 0 0 0 29
#Z.diagR #> Z.diagR
# [,1] [,2] [,3]
#[1,] 47 0 0
#[2,] 0 52 0
#[3,] 0 0 51
#Z.diagR.sqrt # [,1] [,2] [,3]
#[1,] 6.855655 0.000000 0.000000
#[2,] 0.000000 7.211103 0.000000
#[3,] 0.000000 0.000000 7.141428
#
#Z.solve Z.eigen
#$values
#[1] 1.00000000 0.07629421 0.01828369
#$vectors
# [,1] [,2] [,3]
#[1,] -0.5597619 0.74374060 0.3653992
#[2,] -0.5887841 -0.66725782 0.4561802
#[3,] -0.5830952 -0.04021102 -0.8114081
#
# [,1] [,2] [,3]
# [1,] 0.3579767 0.2947642 0.3186919
# [2,] 0.2947642 0.3844402 0.3385965
# [3,] 0.3186919 0.3385965 0.3521610
# 固有値 １ と，対応する固有ベクトルは仮定
# 平均０，分散１に反する
# p.121 # x, y が求まる，以下はxのみ
Z.kai.X [,1] [,2] [,3]
[1,] -1 1.32867325 -0.6527762
[2,] -1 -1.13328105 -0.7747835
[3,] -1 -0.06896133 1.3915534
# 以下は Y のみ
Z.kai.Y # [,1]
# [1,] -0.23728726
# [2,] 1.46910930
# [3,] -0.05964337
# [4,] -1.50318462
Z.kai.Y # [,1]
# [1,] 1.5238380
# [2,] -0.6410599
# [3,] -0.1102451
# [4,] -1.1547168
# 固有値の平方根 は単相関係数
sqrt(Z.eigen$values)
# [1] 1.0000000 0.2762141 0.1352172
# p.127
Z.kai[,2] * sqrt(Z.eigen$values)[2]
# [1] 0.36699824 -0.31302816 -0.01904809
Z.kai[,3] * sqrt(Z.eigen$values)[3]
# [1] -0.08826657 -0.10476405 0.18816195
#(solve(Z.diagR.sqrt, sqrt(150) * Z.eigen$vectors))
%o% sqrt(Z.eigen$values)
library(multiv)
Z.results> Z.results
$evals
[1] 0.07629421 0.01828369
$rproj
Factor1 Factor2
[1,] 0.36699824 -0.08826657
[2,] -0.31302816 -0.10476405
[3,] -0.01904809 0.18816195
$cproj
Factor1 Factor2
[1,] -0.06554208 0.20604911
[2,] 0.40578865 -0.08668233
[3,] -0.01647434 -0.01490704
[4,] -0.41520073 -0.15613757
$rcntr
Factor1 Factor2
[1,] 0.553150080 0.1335166
[2,] 0.445232993 0.2081003
[3,] 0.001616926 0.6583831
$ccntr
* 図の保存 eps 形式 2005 06 24 [#o1d0f24b]
dev.copy2eps(file="log.eps")
* 対数尤度比をコーパスで求める場合 2005 07 01 [#j65238fa]
Dunning の式は，Oakes p.172 にまとめられている。必要とな...
当該コーパスにおける総語数 N (結局 a+b+c+d に等しい)。
a = あるキーワードにたいして設定したスパンの内部に，その...
b = キーワードにたいして，その共起語以外の語がスパンに現...
c = キーワード以外の語にたいして，その共起語がスパンに現...
d = キーワード以外の語にたいして，その共起語以外の語が現...
* 東大「人文社会科学の統計学」，飽和モデル，独立モデル 2...
始めに ここを参照
こことここも
またここも
&aname(social.mobility2);
データは東大「人文社会科学の統計学」 p.277
social.mobility2<-
array(c(
517, 244, 250,
152, 351, 328,
7, 13, 140,
441, 159, 272,
130, 227, 351,
24, 21, 268
),
dim = c(3,3, 2),
dimnames =
list(
father = c("white","blue","agri" ), # = c(1)...
child = c( "white","blue","agri"), # = c(2)
year= c("1985", "1975") # = c(3)
)
)
class(social.mobility2 )<- "table"
ftable(social.mobility2)
library(MASS)
# 以下は，3次の効果を外した同時独立モデルだが，ここに有意...
# 3次の効果を含めた飽和モデルは，自由度ゼロなので必ず適合...
social.mobility2.loglm3<- loglm(~father + child + year +
father:child + father:year + child:year,
data=social.mobility2)
anova(social.mobility2.loglm3, test="Chisq")
同じことだが，以下でもよい
social.mobility2.loglm3<- loglm(social.mobility2,
list(c(1), c(2), c(1,2), c(2,3), c(1,3)))
1 -pchisq(kekka$lrt,kekka$df)#
1 -pchisq(kekka$pearson,kekka$df)#
# 東大「人文社会の統計学」 p.276
# log m = u... + ui.. + u.j. + u..k + uij. + ui.k + u.jk ...
# ここで uij. ui.k u.jk がそれぞれ，father:child, fathe...
# を表しているが
# uijk (p.276下から12行目), すなわち father:child:year
# は含まれていないモデル
# なお u... は全体平均 grandmean は暗黙のうちに含まれる
# ui.. 行平均 u.j. 列平均 u..k 軸平均は それぞれ要因 ...
# を指定して含まれる
* 分散分析での母数モデル，変量モデル，混合モデル(豊田秀...
S-Plus での混合モデルの構築
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
ちなみに
# p.678
lmedata3.model2 で。
random=~1|Genotype
は Genotype の intercepts をランダム要因と見なす指定, p.678
# 豊田秀樹 違いを見抜く統計学 p.120, p.127, toyoda.Bunsan...
p120<- data.frame(type = rep(c("sea","mount"), each = 8...
develop = rep(rep(c("old","new"), c(4,4)),2) ,
region = rep(c("izu","kuju","karui","yatsu"), each=4),
price = c(18.0, 15.0, 12.0, 20.7, 7.6, 12.3, 15.0, 15.2,
11.7, 11.6, 14.5, 15.4, 7.8, 7.5, 4.2, 6.4))
#p120<- data.frame(type = rep(c("sea","mount"), each = ...
develop = rep(rep(c("old","new"), c(4,4)),2) ,
price = c(18.0, 15.0, 12.0, 20.7, 7.6, 12.3, 15.0, 15.2,
11.7, 11.6, 14.5, 15.4, 7.8, 7.5, 4.2, 6.4))
#> p120
# type develop region price
#1 sea old izu 18.0
#2 sea old izu 15.0
#3 sea old izu 12.0
#4 sea old izu 20.7
#5 sea new kuju 7.6
#6 sea new kuju 12.3
#7 sea new kuju 15.0
#8 sea new kuju 15.2
#9 mount old karui 11.7
#10 mount old karui 11.6
#11 mount old karui 14.5
#12 mount old karui 15.4
#13 mount new yatsu 7.8
#14 mount new yatsu 7.5
#15 mount new yatsu 4.2
#16 mount new yatsu 6.4
attach(p120)
交互作用を含んだモデル，交互作用棄却後のプーリングモデル
p120.aov<- aov(price ~ type * develop)
summary(p120.aov)
p.123と同じ出力# 豊田秀樹 違いを見抜く統計学 p.120, p.127
type develop の結果だけ見れば，プーリングした結果と同じ(p...
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 10.1788 0.007769 **
develop 1 115.026 115.026 13.9084 0.002877 **
type:develop 1 8.556 8.556 1.0345 0.329170
Residuals 12 99.242 8.270
summary.lm(p.120.aov)
> 84.181 / 8.270
# AB の平均平方ではなく，誤差の平均平方で割っている, p...
[1] 10.17908
> 115.026 / 8.270
[1] 13.90883
> 1 - pf(10.1788, 1, 12)
[1] 0.007769413
交互作用を変量としたモデル，反復測定
p121.aov = aov(price ~ type + develop + Error(type/dev...
summary(p121.aov)
p.121 と同じ出力
母数因子だが，一つの標本から繰り返し測定した
すなわち，交互作用は変量モデル
Error: type:develop
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 9.8392 0.1965
develop 1 115.026 115.026 13.4444 0.1695
Residuals 1 8.556 8.556
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 12 99.242 8.270
ネストを仮定したモデル
p127.aov summary(p127.aov)
p.127 と同じ出力
すなわち，地域はタイプにネストしている
Error: region:type
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 1.3624 0.3635
Residuals 2 123.581 61.791
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 12 99.242 8.270
ここで
> 61.791 / 8.270
> 1 - pf(7.471705 , 2, 12)
[1] 0.007804986
三段のネストを仮定したモデル
これは上の２段ネストと同じ結果になっている
p.157 とは異なり，残差が二つに分離されていないx
p.157.aov <- summary( p.157.aov )
Error: region:type
Df Sum Sq Mean Sq F value Pr(>F)
type 1 84.181 84.181 1.3624 0.3635
Residuals 2 123.581 61.791
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 12 99.242 8.270
また crawley, S-Plus, p.213下を参照。
p120.aov # = aov(price ~ type/develop)
# = aov(price ~ type/develop + Error( type/develop))
summary(p120.aov)
#
# p.127 と同じ出力
#
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 10.1788 0.007769 **
#type:region 2 123.581 61.791 7.4715 0.007806 **
#Residuals 12 99.242 8.270
#anova(p120.aov) #Error
#
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 10.1788 0.007769 **
#develop 1 115.026 115.026 13.9084 0.002877 **
#type:develop 1 8.556 8.556 1.0345 0.329170
#Residuals 12 99.242 8.270
#summary.lm(p120.aov)
#> 84.181 / 8.270
# AB の平均平方ではなく，誤差の平均平方で割っている, p....
#[1] 10.17908
#> 115.026 / 8.270
#[1] 13.90883
#> 1 - pf(10.1788, 1, 12)
#[1] 0.007769413
# エラ−モデル 1
p120.aov summary(p120.aov)
#
# p.121 と同じ出力
#
#Error: type:develop
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 9.8392 0.1965
#develop 1 115.026 115.026 13.4444 0.1695
#Residuals 1 8.556 8.556
#Error: Within
# Df Sum Sq Mean Sq F value Pr(>F)
#Residuals 12 99.242 8.270
# エラ−モデル 2
p120.aov summary(p120.aov)
#
# p.127 と同じ出力
#
#Error: region:type
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 1.3624 0.3635
#Residuals 2 123.581 61.791
#Error: Within
# Df Sum Sq Mean Sq F value Pr(>F)
#Residuals 12 99.242 8.270
# ネストモデル
p120.aov summary(p120.aov)
#
# p.127と同じ出力
#
# Df Sum Sq Mean Sq F value Pr(>F)
#type 1 84.181 84.181 10.1788 0.007769 **
#type:region 2 123.581 61.791 7.4715 0.007806 **
#Residuals 12 99.242 8.270
#anova(p120.aov) #Error
* 対数尤度を求める関数 2005 08 01 [#o1feec7a]
logLik, (crawley, S-Plus, p.121)
* リストへのアクセス 2005 08 03 [#r8e750c9]
test
Error: factory
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 6 260.70 43.45
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
treats 4 8.324 2.081 0.4637 0.7617
Residuals 24 107.704 4.488
以上のリストで，Error の F value にアクセスするには
summary(aov(rate ~ treats +
Error(factory)))[[2]][[1]]$"F value"[1]
と実行する。
Crawely.S.plus.R を参照
* グラフィックス表示を一枚ずつ見る 2005 08 05 [#d0392771]
par(ask=TRUE)
* 共分散分析, Ancova モデル式におけるアスタリスク 2005...
difference in the slop は 交互作用の項を見る。
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
covariate については p.293
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
w が sex カテゴリーの変数，x が連続量の変数の場合
y ~ w * x
は，w の二つのカテゴリそれぞれに回帰式(intecept と slope)...
[[John Fox:http://socserv.mcmaster.ca/jfox/]] p.126
// S-plus
* [S] EES の評価途中にスペースがある [#yb52040f]
式に改行やスペースが挟間っていると，そこで処理が止まって...
* [S] ESS で操作中で画像の選択がある [#t7d79e80]
例えば plot を含めて，式を一括評価する時
par(ask=T)
と設定した後だと，yes か no の答えを得ることができないの...
* データの並び替え [#q9c7bb32]
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
> fishery
xv yv
1 13.9885004 4.56836585
2 89.7028342 0.29710071
3 9.3151971 3.90699292
4 9.2132163 4.38109971
5 34.7017719 1.85936367
のようなデータフレームならば
fishery[order(fishery$xv),]
とすれば，xv の昇順にデータが整列する。
* [S] 内積とノルム 2005 08 23 [#f3b0090e]
a b
内積は
t(a) %*% b
としても
sum(a * b)
としても良い。
ノルムは
vecnorm(a); vecnorm(b) #で求めるか
# mynorm
if(p=="inf") return(max(abs(x)))
sum(abs(x)^p)^(1/p))
}
で求める。
* adj の設定 2005 08 25 [#ub65cb39]
research/tex/p2005/2005/dunne.R より
text(E.normalized.B.dunne2[1,
E.normalized.B.dunne2[2,] > 0.0],
E.normalized.B.dunne2[2, E.normalized.B.dunne2[2,] > 0....
adj=c(1.5,-.5), labels=( colnames(
E.normalized.B.dunne2[, E.normalized.B.dunne2[2,]
adj=c(X,Y) X を正にすると，点は左に，Yを正にすると点は下...
* 負の2項分布 2005 08 30 [#w1336322]
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
例えば
成功率 0.6, 成功までの試行数が 5 として(すなわち６回目に...
100回の試行を行なう。
count
table(count)
0 1 2 3 4 5 6 7 8 9
8 13 20 19 18 7 9 3 2 1
この場合 失敗無しで５回の成功が出た試行が 8 回
失敗 1 で５回の成功が出た試行が 13 回
あるのを意味する。
# 2006 07 24 追加
工学のためのデータサイエンス, p.49 - p.50
R の関数 _nbinom の引数 size, prob は
平均 mean が 'size * (1 - prob)/prob' を満たし，また
確率 prob が 'scale/(1 + scale)' を満たすように取られる
d <- p(0, 1612), rep(1,164), rep(2,71), rep(3,47),
rep(4,28), rep(5,17), rep(6,12), rep(7,12),
rep(8,5), rep(9,7), rep(10,6), rep(11,3), rep(12,3),
rep(13, 13))
mean(d) # = 0.6005
var(d) # = 3.262531
prob = 0.1155 * (1 - 0.1553) / 0.1553
# = 0.6282218 = size *(1 - prob)/prob
scale = 0.1838523 / ( 1 + 0.1838523)
# = 0.1553 = scale/ (scale + 0.1553)
* lm, glm オブジェクトの summary における t 検定,z 検定 ...
S-Plus では t 値が，R では z 値がデフォルト
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
また S-Plus では，lm の出力は Pr(|t|) を出力するが，glm ...
* rgl.bbox の引数 2005 09 02 [#s091d17e]
rgl.bbox(color="#999999", emission="#FFA500",
specular="#FFF0F5", shinines=5,alpha=0.8)
color="#999999" は座標の数値ラベル色
emission="#FFA500" はボックスの壁の色
specular="#FFF0F5" は明るさ，数値が大きいほど明るい
shinines=5 は反射の具合
* 関数グラフの書き方 2005 09 19 [#q2e33709]
xyplot(x,y,type="l")
同じことだが
curve((x^2 - 6*x + 10), 0,6)
* 2項分布を Poisson 分布で近似する 2005 09 28 [#h5577017]
例えば2項分布で，0.00001 で成功する賭けを 100000 回行なっ...
ちょうど２０回成功する確率は
pbinom(20, 100000, .0001) - pbinom(19, 100000, .0001)
[1] 0.001865335
これをポアソン分布で近似するには
ppois(20, 10) - ppois(19, 10)
[1] 0.001866081
* データフレームのコピー 2005 10 08 [#s5f3e4ac]
[[John Fox:http://socserv.mcmaster.ca/jfox/]] p.63 - 64
> search()
[1] ".GlobalEnv" "package:car" "package:methods...
[4] "package:stats" "package:graphics" "package:grDevic...
[7] "package:utils" "package:datasets" "Autoloads" ...
10] "package:base"
> cooperation
エラー：オブジェクト "cooperation" は存在しません
> attach(Guyer) # Guyerデータには変数 operationがある
> objects()
[1] "Guyer" "hump.data" "hump.model" "last.w...
> cooperation
[1] 49 64 37 52 68 54 61 79 64 29 27 58 52 41 30 40 39...
> cooperation > objects()新たに変数 cooperation が作成...
[1] "Guyer" "cooperation" "hump.data" "hump....
> rm(cooperation)# 新たに作成された cooperation を消し
> cooperation[1] Guyer変数のcooperation[1]を変更したつ...
> objects()実際にはコピーができている
[1] "Guyer" "cooperation" "hump.data" "hump....
> rm(cooperation)
> objects()
[1] "Guyer" "hump.data" "hump.model" "last....
* png などの画像への保存 2005 11 09 [#b2a9096e]
始めに
png(file="gazo.png") #として device を平き
polt(y ~ x) # として画像を作成し
dev.off() # として device を閉じる。
ここで始めて保存される。
* 標準誤差 2005 12 02 [#zdcdd38c]
標準誤差とは，平均値の推定値の範囲
標準偏差とは，データが平均を中心にどれだけばらついている...
* Boxplot の notch の解釈 2005 12 23 [#mcf9c930]
Boxplot の箱は 75 - 25 %タイルを示しているが，あるデータ...
[[Crawley Statistics Using R:http://www.amazon.co.jp/Stat...
* [S] 関数内で式を表示させない 2005 12 24 [#e11ee55f]
関数内では，付置の式以外は表示される。
特に print 文では注意が必要である。
これを防ぐため，invisibleを使う。
[[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/...
渋谷，柴田 p.34
* [S] S-plus + ESS 環境でのヘルプ 2005 12 24 [#d40dc98b]
キーワードにカーソルを合わせ，C-c C-v で表示させる。
?キーワードでは表示されない
// <<- はグローバル変数への代入
//
// 舟尾 p.183
ページ名:
