SlideShare ist ein Scribd-Unternehmen logo
1 von 23
1




情報統計学


        ガイダンス
         R の基礎
ガイダンス                                       2

• 講師紹介
  岡山大学 環境学研究科 教授
     垂水 共之(たるみ ともゆき)
      e-mail   tarumi@ems.okayama-u.ac.jp
• 授業の概要
  統計学入門
  統計ソフトウェア R を利用したシミュレーション実験を通して,
   データ解析の実際に触れるとともに,統計理論を確かめる
    • データ解析に触れる
    • 統計理論を確かめる
ガイダンス                                         3

• 注意事項
  目の前に PC があるが,理論の説明も多い。板書しているときは, PC
   に触れずに説明を聞くこと。


• テキスト
  垂水・飯塚著
   「 R/S-PLUS による統計解析入門」
   共立出版 , 2500 円
• 参考図書
  R によるやさしい統計学 山田 剛史 杉澤 武俊 村井 潤一郎 共著
    オーム社
  岡田昌史編 (2004) 「 The R Book― データ解析環境 R の活用事例集」
   ,九天社 .
  舟尾暢男編 (2005) 「 The R Tips― データ解析環境 R の基本技・グラ
   フィックス活用集」,九天社 .
  その他, R , S に関する本や統計学に関する本
講義の内容                                             4

• 統計用 S 言語
   S,   S-PLUS  商用ソフトウェア
   R  フリーソフトウェア

• Web
   RjpWiki      http://www.okada.jp.org/RWiki/
   R  配布元    http://www.r-project.org/



• 講義サポートページ
   http://webclass.el.okayama-u.ac.jp/
     • ID            大学付与・パスワードでアクセス
     • 登録キー          Rstat2012
• 参考ページ
   http://case.f7.ems.okayama-u.ac.jp
R のインストール (Window の場合 )                                            5

• ダウンロード
  http://cran.md.tsukuba.ac.jp/bin/windows/base/    CRAN mirror
  Download R 2. 1 5.0 for Windows (?? megabytes)
  右のウィンドウが表示されたら
   「実行」を



  この警告にも
   「実行する」を

  以後テキスト170頁を
   参照のこと
準備                                                          6

• 講義の準備
  マイドキュメント に appstat というフォルダを作成しよう
    • この講義の内容はこのフォルダで作業を行う
  R のアイコン(ショートカットの修正)
    • R のアイコンを右クリック
    • 「プロパティ」を選択
    • 作業フォルダを
     “ c:Documents and Settingst2My Documents"
     を
     “ c:Documents and Settingst2My Documentsappstat“
     に変更して「 Ok 」を押す
起動,終了                                     7

• R の起動
   R のアイコンをダブルクリック




• R の終了 (quit)
                 終了の場合は,ワークスペースのイメージを保存するかど
  > q()          うか聞いてくる

                  起動している間作った変数,関数などを保存したけれ
                  ば
                    y
                  ただ単に電卓として,または確認として使っただけで
                  保存までしたくない場合は
                    n
demo                            8

• R はグラフィックが非常に優れています。
   お手軽に統計グラフが作成できます。


• これからの資料で,コマンドの先頭に>が入ることがありま
  すが,これはプロンプトを意味しています。タイプする必要
  はありません。


• デモの実行
  >demo()
  たとえば,
• >demo(graphics)
電卓として利用              9

• 電卓としても使える
 +
 -
 *
 /
 2 乗,3乗は x^2, x^3
 ルートは
    • sqrt(2)
 など
• ()などもつかえる
  ルールは通常の計算と同じ
    • ()優先
代入                                                 10

• x に 10 を代入する
  x <- 10
  x に何がはいっているか確認するときは
  x とだけ入力しよう。
• その後,
  x <- x+1
  をしたらどうなるか考えてみよう



• 次の計算をしよう
  y <- 10
  x <- 20
  y+x , y*x, y-x, y/x, x^2, x^3, sqrt(x), log(x)

  をやってみよう
ベクトル計算                                 11

• ベクトル
   ベクトルを作る基本的な関数は  c( )
  x <- c(10,12,14,15,15)
  x には何が入っているか。 x と入力してエンターを押し確認してみよ
   う。
• ベクトルの長さ
  length(x)
• 合計をだしたかったら
  sum(x)         関数型言語
                    関数名 ( 引数のリスト )
• x の2乗を計算してみよう     関数名 ()    引数が無くても括弧
  x^2              は必要
  と入力する
• x の2乗の和を計算してみよう
行列演算                                12

• > X<-matrix(c(1,2,3,4),2,2)
• >X
• とすれば,行列が作られる .
  大文字と小文字は区別されていることに注意。

• X^2 としたときどういう値が返されるか確認しよう

• Y<-matrix(c(4,5,6,1),2,2) としたとき
    X+Y, X-Y, X*Y, X/Y を確認しよう


• XY を計算したい時は
    X%*%Y
    X*Y では要素同士の掛け算になる
13

• 逆行列は
    solve(X)

    X%*%solve(X) を計算してみて単位行列になっていることを確かめよう
     。


• 行列式 determinant
    det(X)


• 転置行列 transpose
    t(X)

• ここで一度終了してみよう。終了の仕方は?
14

• データの準備
 > height <- c(148, 160, 159, 153, 151, 140, 156, 137, 149, 160, 151, 157, 157,
   144)




                              http://mikawaya.to/pukiwiki/



• 確認
  ls()



• 複製
  height2<-height
• 削除
データの修正                                     15

• 最後に追加
 > x <- c(23, 22, 52, 13, 4)
 >x
 [1] 23 22 52 13 4
 > newx <- c(x, c(10, 11, 12, 13))
 > newx
 [1] 23 22 52 13 4 10 11 12 13
 > newxx <- append(x, c(10, 11, 12, 13))
 > newxx
 [1] 23 22 52 13 4 10 11 12 13
途中に追加                                                 16


 > x <- c(1, 2, 3, 4, 5)
 >x
 [1] 1 2 3 4 5
 > newx <- c(x[1:2], c(10, 11, 12, 13), x[3:length(x)])
 > newx
 [1] 1 2 10 11 12 13 3 4 5
 > newxx <-append(x, c(10, 11, 12, 13), after = 2)
 > newxx
 [1] 1 2 10 11 12 13 3 4 5
削除,置換修正                                         17

• m 番目のデータを削除
  > x <- c(3, 3, 2, 3, 3)
  >x
  [1] 3 3 2 3 3
  > newx <- x[-3] #x の 3 番目の値である 2 を削除し, newx
    に代入
  > newx
  [1] 3 3 3 3
• m 番目のデータの値を z に変更
  > x <- 1:5
  >x
  [1] 1 2 3 4 5
  > x[3] <- 100
  >x
  [1] 1 2 100 4 5
要素の抽出                            18

• ベクトルの場合
   x<-c(10,12,14,15,15)
   x の2番目の値を見たい
      • x[2]
      • で要素を取り出せる
• 行列の場合
   x<- matrix(c(1,2,3,4),2,2)
   x の2行1列目を見たい
      • x[2, 1]
      • で要素をとりだせる
   2行目全部をとりだしたいときは
      • x[2, ]
   同様に2列目
      • x[, 2]
• x の3番目の値を y に代入したかったら
   y <- x[3]
実行結果のファイル出力                                    19

• 以下の画面に出る表示 ( グラフを除く ) をファイルへ出力

 >sink(“ ファイル名” )
 > ・・・        画面には何も表示されない
 >sink()


 > sink("result.txt")
                        result.txt の中身を確認しよう
 > height
 > mean(height)
 > max(height)
 > sink()
データの保存,保存したデータ・関数の読み込み          20

• 既定義変数の保存
  workspace を名前をつけて保存する。
  save.image(“ ファイル名” )
  save.image(“intro.Rdata”)
• 保存したデータ,関数の読み込み
  load("intro.RData")
  ls()


• なにも指定せず保存した場合,(たとえば, q() でyとした
  とき) .RData というファイルに保存されます。
• 次回起動時は,何も指定がなければそのディレクトリにあ
  .Rdata を読み込みます。なければ何も入ってない状態になり
  ます。
ベクトル計算                    21

• 演習
  x の2乗の和を計算してみよう
  x+x はどういう値になっているか


 x <- c(10,12,14,15,15)
 y <- c(1, 2, 3 , 4, 5)
• としたときに
  x+y
 がどのような値になっているか。
22




グラフ出力, tex への取り込み
出力デバイス                                                                   23

• TeX に取り込みやすい PS ファイルで出力するには
   2F の実習室の場合は
   postscript(“***.eps", horizontal = FALSE, onefile = FALSE, paper =
    "special", height = 9, width = 9, family=“Courier”) )
   plot(height, weight)
   dev.off()



• Windows の場合, Windows を起動して確認しよう。

Weitere ähnliche Inhalte

Was ist angesagt?

すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)
すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)
すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)Yoichi Nakayama
 
kagamicomput201709
kagamicomput201709kagamicomput201709
kagamicomput201709swkagami
 
RでGISハンズオンセッション
RでGISハンズオンセッションRでGISハンズオンセッション
RでGISハンズオンセッションarctic_tern265
 
or-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解くor-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解くkunihikokaneko1
 
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門Kimikazu Kato
 
Intoroduction of Pandas with Python
Intoroduction of Pandas with PythonIntoroduction of Pandas with Python
Intoroduction of Pandas with PythonAtsushi Hayakawa
 
or-2. 配送計画、リードターム
or-2. 配送計画、リードタームor-2. 配送計画、リードターム
or-2. 配送計画、リードタームkunihikokaneko1
 
数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」Courslide
 
x86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNTx86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNTtakesako
 
04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数Xin Zheng
 
アルゴリズムとデータ構造11
アルゴリズムとデータ構造11アルゴリズムとデータ構造11
アルゴリズムとデータ構造11Kenta Hattori
 
関東第2回r勉強会
関東第2回r勉強会関東第2回r勉強会
関東第2回r勉強会Paweł Rusin
 
データとは何か
データとは何かデータとは何か
データとは何かKenta Suzuki
 
【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しようUnity Technologies Japan K.K.
 
数列で学ぶ初めての CommonLisp #fibonacci
数列で学ぶ初めての CommonLisp #fibonacci数列で学ぶ初めての CommonLisp #fibonacci
数列で学ぶ初めての CommonLisp #fibonaccipgf2alpha
 

Was ist angesagt? (20)

RでGIS
RでGISRでGIS
RでGIS
 
すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)
すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)
すごいHaskell読書会 in 大阪 2週目 #5 第5章:高階関数 (2)
 
kagamicomput201709
kagamicomput201709kagamicomput201709
kagamicomput201709
 
CG2013 07
CG2013 07CG2013 07
CG2013 07
 
RでGISハンズオンセッション
RでGISハンズオンセッションRでGISハンズオンセッション
RでGISハンズオンセッション
 
or-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解くor-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解く
 
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門
 
Intoroduction of Pandas with Python
Intoroduction of Pandas with PythonIntoroduction of Pandas with Python
Intoroduction of Pandas with Python
 
or-2. 配送計画、リードターム
or-2. 配送計画、リードタームor-2. 配送計画、リードターム
or-2. 配送計画、リードターム
 
明日使えないすごいビット演算
明日使えないすごいビット演算明日使えないすごいビット演算
明日使えないすごいビット演算
 
数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」
 
x86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNTx86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNT
 
CG2013 12
CG2013 12CG2013 12
CG2013 12
 
Binary indexed tree
Binary indexed treeBinary indexed tree
Binary indexed tree
 
04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数
 
アルゴリズムとデータ構造11
アルゴリズムとデータ構造11アルゴリズムとデータ構造11
アルゴリズムとデータ構造11
 
関東第2回r勉強会
関東第2回r勉強会関東第2回r勉強会
関東第2回r勉強会
 
データとは何か
データとは何かデータとは何か
データとは何か
 
【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう
 
数列で学ぶ初めての CommonLisp #fibonacci
数列で学ぶ初めての CommonLisp #fibonacci数列で学ぶ初めての CommonLisp #fibonacci
数列で学ぶ初めての CommonLisp #fibonacci
 

Andere mochten auch

K040 確率分布とchi2分布
K040 確率分布とchi2分布K040 確率分布とchi2分布
K040 確率分布とchi2分布t2tarumi
 
K030 appstat201203 2variable
K030 appstat201203 2variableK030 appstat201203 2variable
K030 appstat201203 2variablet2tarumi
 
K020 appstat201202
K020 appstat201202K020 appstat201202
K020 appstat201202t2tarumi
 
K050 t分布f分布
K050 t分布f分布K050 t分布f分布
K050 t分布f分布t2tarumi
 
K080 区間推定
K080 区間推定K080 区間推定
K080 区間推定t2tarumi
 
040 相関
040 相関040 相関
040 相関t2tarumi
 
Libro. desarrollo del pensamiento. organizacion del pensamiento
Libro. desarrollo del pensamiento. organizacion del pensamientoLibro. desarrollo del pensamiento. organizacion del pensamiento
Libro. desarrollo del pensamiento. organizacion del pensamientolilibeth1995
 
010 統計学とは
010 統計学とは010 統計学とは
010 統計学とはt2tarumi
 
020 1変数の集計
020 1変数の集計020 1変数の集計
020 1変数の集計t2tarumi
 
000 統計学入門 目標
000 統計学入門 目標000 統計学入門 目標
000 統計学入門 目標t2tarumi
 

Andere mochten auch (10)

K040 確率分布とchi2分布
K040 確率分布とchi2分布K040 確率分布とchi2分布
K040 確率分布とchi2分布
 
K030 appstat201203 2variable
K030 appstat201203 2variableK030 appstat201203 2variable
K030 appstat201203 2variable
 
K020 appstat201202
K020 appstat201202K020 appstat201202
K020 appstat201202
 
K050 t分布f分布
K050 t分布f分布K050 t分布f分布
K050 t分布f分布
 
K080 区間推定
K080 区間推定K080 区間推定
K080 区間推定
 
040 相関
040 相関040 相関
040 相関
 
Libro. desarrollo del pensamiento. organizacion del pensamiento
Libro. desarrollo del pensamiento. organizacion del pensamientoLibro. desarrollo del pensamiento. organizacion del pensamiento
Libro. desarrollo del pensamiento. organizacion del pensamiento
 
010 統計学とは
010 統計学とは010 統計学とは
010 統計学とは
 
020 1変数の集計
020 1変数の集計020 1変数の集計
020 1変数の集計
 
000 統計学入門 目標
000 統計学入門 目標000 統計学入門 目標
000 統計学入門 目標
 

Ähnlich wie K010 appstat201201

Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約Yusaku Kawaguchi
 
LET2011: Rによる教育データ分析入門
LET2011: Rによる教育データ分析入門LET2011: Rによる教育データ分析入門
LET2011: Rによる教育データ分析入門Yuichiro Kobayashi
 
R's anti sparseness
R's anti sparsenessR's anti sparseness
R's anti sparsenessybenjo
 
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 110110分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101Nobuaki Oshiro
 
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920 10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920 Nobuaki Oshiro
 
12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと
12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと 12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと
12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと Haruka Ozaki
 
Rあんなときこんなとき(tokyo r#12)
Rあんなときこんなとき(tokyo r#12)Rあんなときこんなとき(tokyo r#12)
Rあんなときこんなとき(tokyo r#12)Shintaro Fukushima
 
10min r study_tokyor25
10min r study_tokyor2510min r study_tokyor25
10min r study_tokyor25Nobuaki Oshiro
 
10min r study_tokyor25
10min r study_tokyor2510min r study_tokyor25
10min r study_tokyor25Nobuaki Oshiro
 
関数プログラミング入門
関数プログラミング入門関数プログラミング入門
関数プログラミング入門Hideyuki Tanaka
 
Nagoya.R #12 入門者講習
Nagoya.R #12 入門者講習Nagoya.R #12 入門者講習
Nagoya.R #12 入門者講習Yusaku Kawaguchi
 
第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案yushin_hirano
 
行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術Yoshihiro Mizoguchi
 
第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章Tomonobu_Hirano
 

Ähnlich wie K010 appstat201201 (20)

Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約
 
HiRoshimaR3_IntroR
HiRoshimaR3_IntroRHiRoshimaR3_IntroR
HiRoshimaR3_IntroR
 
Tokyor23 doradora09
Tokyor23 doradora09Tokyor23 doradora09
Tokyor23 doradora09
 
実践データ分析基礎
実践データ分析基礎実践データ分析基礎
実践データ分析基礎
 
LET2011: Rによる教育データ分析入門
LET2011: Rによる教育データ分析入門LET2011: Rによる教育データ分析入門
LET2011: Rによる教育データ分析入門
 
R's anti sparseness
R's anti sparsenessR's anti sparseness
R's anti sparseness
 
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 110110分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101
 
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920 10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
 
12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと
12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと 12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと
12-11-30 Kashiwa.R #5 初めてのR Rを始める前に知っておきたい10のこと
 
Rあんなときこんなとき(tokyo r#12)
Rあんなときこんなとき(tokyo r#12)Rあんなときこんなとき(tokyo r#12)
Rあんなときこんなとき(tokyo r#12)
 
StatGenSummerSchool2023_Rsoftware.pdf
StatGenSummerSchool2023_Rsoftware.pdfStatGenSummerSchool2023_Rsoftware.pdf
StatGenSummerSchool2023_Rsoftware.pdf
 
10min r study_tokyor25
10min r study_tokyor2510min r study_tokyor25
10min r study_tokyor25
 
10min r study_tokyor25
10min r study_tokyor2510min r study_tokyor25
10min r study_tokyor25
 
関数プログラミング入門
関数プログラミング入門関数プログラミング入門
関数プログラミング入門
 
R language definition3.1_3.2
R language definition3.1_3.2R language definition3.1_3.2
R language definition3.1_3.2
 
Nagoya.R #12 入門者講習
Nagoya.R #12 入門者講習Nagoya.R #12 入門者講習
Nagoya.R #12 入門者講習
 
第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案
 
行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術
 
Tokyo r27
Tokyo r27Tokyo r27
Tokyo r27
 
第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章
 

Mehr von t2tarumi

K090 仮説検定
K090 仮説検定K090 仮説検定
K090 仮説検定t2tarumi
 
K070k80 点推定 区間推定
K070k80 点推定 区間推定K070k80 点推定 区間推定
K070k80 点推定 区間推定t2tarumi
 
K070 点推定
K070 点推定K070 点推定
K070 点推定t2tarumi
 
K060 中心極限定理clt
K060 中心極限定理cltK060 中心極限定理clt
K060 中心極限定理cltt2tarumi
 
086 独立性の検定
086 独立性の検定086 独立性の検定
086 独立性の検定t2tarumi
 
076 母比率の推定
076 母比率の推定076 母比率の推定
076 母比率の推定t2tarumi
 
080 統計的推測 検定
080 統計的推測 検定080 統計的推測 検定
080 統計的推測 検定t2tarumi
 
070 統計的推測 母集団と推定
070 統計的推測 母集団と推定070 統計的推測 母集団と推定
070 統計的推測 母集団と推定t2tarumi
 
060 期待値・中心極限定理
060 期待値・中心極限定理060 期待値・中心極限定理
060 期待値・中心極限定理t2tarumi
 
050 確率と確率分布
050 確率と確率分布050 確率と確率分布
050 確率と確率分布t2tarumi
 
030 2変数の集計
030 2変数の集計030 2変数の集計
030 2変数の集計t2tarumi
 

Mehr von t2tarumi (11)

K090 仮説検定
K090 仮説検定K090 仮説検定
K090 仮説検定
 
K070k80 点推定 区間推定
K070k80 点推定 区間推定K070k80 点推定 区間推定
K070k80 点推定 区間推定
 
K070 点推定
K070 点推定K070 点推定
K070 点推定
 
K060 中心極限定理clt
K060 中心極限定理cltK060 中心極限定理clt
K060 中心極限定理clt
 
086 独立性の検定
086 独立性の検定086 独立性の検定
086 独立性の検定
 
076 母比率の推定
076 母比率の推定076 母比率の推定
076 母比率の推定
 
080 統計的推測 検定
080 統計的推測 検定080 統計的推測 検定
080 統計的推測 検定
 
070 統計的推測 母集団と推定
070 統計的推測 母集団と推定070 統計的推測 母集団と推定
070 統計的推測 母集団と推定
 
060 期待値・中心極限定理
060 期待値・中心極限定理060 期待値・中心極限定理
060 期待値・中心極限定理
 
050 確率と確率分布
050 確率と確率分布050 確率と確率分布
050 確率と確率分布
 
030 2変数の集計
030 2変数の集計030 2変数の集計
030 2変数の集計
 

K010 appstat201201

  • 1. 1 情報統計学 ガイダンス R の基礎
  • 2. ガイダンス 2 • 講師紹介  岡山大学 環境学研究科 教授   垂水 共之(たるみ ともゆき)    e-mail   tarumi@ems.okayama-u.ac.jp • 授業の概要  統計学入門  統計ソフトウェア R を利用したシミュレーション実験を通して, データ解析の実際に触れるとともに,統計理論を確かめる • データ解析に触れる • 統計理論を確かめる
  • 3. ガイダンス 3 • 注意事項  目の前に PC があるが,理論の説明も多い。板書しているときは, PC に触れずに説明を聞くこと。 • テキスト  垂水・飯塚著 「 R/S-PLUS による統計解析入門」 共立出版 , 2500 円 • 参考図書  R によるやさしい統計学 山田 剛史 杉澤 武俊 村井 潤一郎 共著  オーム社  岡田昌史編 (2004) 「 The R Book― データ解析環境 R の活用事例集」 ,九天社 .  舟尾暢男編 (2005) 「 The R Tips― データ解析環境 R の基本技・グラ フィックス活用集」,九天社 .  その他, R , S に関する本や統計学に関する本
  • 4. 講義の内容 4 • 統計用 S 言語  S,   S-PLUS  商用ソフトウェア  R  フリーソフトウェア • Web  RjpWiki      http://www.okada.jp.org/RWiki/  R  配布元    http://www.r-project.org/ • 講義サポートページ  http://webclass.el.okayama-u.ac.jp/ • ID 大学付与・パスワードでアクセス • 登録キー Rstat2012 • 参考ページ  http://case.f7.ems.okayama-u.ac.jp
  • 5. R のインストール (Window の場合 ) 5 • ダウンロード  http://cran.md.tsukuba.ac.jp/bin/windows/base/    CRAN mirror  Download R 2. 1 5.0 for Windows (?? megabytes)  右のウィンドウが表示されたら 「実行」を  この警告にも 「実行する」を  以後テキスト170頁を 参照のこと
  • 6. 準備 6 • 講義の準備  マイドキュメント に appstat というフォルダを作成しよう • この講義の内容はこのフォルダで作業を行う  R のアイコン(ショートカットの修正) • R のアイコンを右クリック • 「プロパティ」を選択 • 作業フォルダを “ c:Documents and Settingst2My Documents" を “ c:Documents and Settingst2My Documentsappstat“ に変更して「 Ok 」を押す
  • 7. 起動,終了 7 • R の起動  R のアイコンをダブルクリック • R の終了 (quit) 終了の場合は,ワークスペースのイメージを保存するかど > q() うか聞いてくる 起動している間作った変数,関数などを保存したけれ ば y ただ単に電卓として,または確認として使っただけで 保存までしたくない場合は n
  • 8. demo 8 • R はグラフィックが非常に優れています。  お手軽に統計グラフが作成できます。 • これからの資料で,コマンドの先頭に>が入ることがありま すが,これはプロンプトを意味しています。タイプする必要 はありません。 • デモの実行 >demo() たとえば, • >demo(graphics)
  • 9. 電卓として利用 9 • 電卓としても使える + - * / 2 乗,3乗は x^2, x^3 ルートは • sqrt(2) など • ()などもつかえる  ルールは通常の計算と同じ • ()優先
  • 10. 代入 10 • x に 10 を代入する x <- 10 x に何がはいっているか確認するときは x とだけ入力しよう。 • その後, x <- x+1 をしたらどうなるか考えてみよう • 次の計算をしよう y <- 10 x <- 20 y+x , y*x, y-x, y/x, x^2, x^3, sqrt(x), log(x) をやってみよう
  • 11. ベクトル計算 11 • ベクトル  ベクトルを作る基本的な関数は  c( )  x <- c(10,12,14,15,15)  x には何が入っているか。 x と入力してエンターを押し確認してみよ う。 • ベクトルの長さ  length(x) • 合計をだしたかったら  sum(x) 関数型言語 関数名 ( 引数のリスト ) • x の2乗を計算してみよう 関数名 ()  引数が無くても括弧  x^2 は必要  と入力する • x の2乗の和を計算してみよう
  • 12. 行列演算 12 • > X<-matrix(c(1,2,3,4),2,2) • >X • とすれば,行列が作られる . 大文字と小文字は区別されていることに注意。 • X^2 としたときどういう値が返されるか確認しよう • Y<-matrix(c(4,5,6,1),2,2) としたとき  X+Y, X-Y, X*Y, X/Y を確認しよう • XY を計算したい時は  X%*%Y  X*Y では要素同士の掛け算になる
  • 13. 13 • 逆行列は  solve(X)  X%*%solve(X) を計算してみて単位行列になっていることを確かめよう 。 • 行列式 determinant  det(X) • 転置行列 transpose  t(X) • ここで一度終了してみよう。終了の仕方は?
  • 14. 14 • データの準備 > height <- c(148, 160, 159, 153, 151, 140, 156, 137, 149, 160, 151, 157, 157, 144) http://mikawaya.to/pukiwiki/ • 確認  ls() • 複製  height2<-height • 削除
  • 15. データの修正 15 • 最後に追加 > x <- c(23, 22, 52, 13, 4) >x [1] 23 22 52 13 4 > newx <- c(x, c(10, 11, 12, 13)) > newx [1] 23 22 52 13 4 10 11 12 13 > newxx <- append(x, c(10, 11, 12, 13)) > newxx [1] 23 22 52 13 4 10 11 12 13
  • 16. 途中に追加 16 > x <- c(1, 2, 3, 4, 5) >x [1] 1 2 3 4 5 > newx <- c(x[1:2], c(10, 11, 12, 13), x[3:length(x)]) > newx [1] 1 2 10 11 12 13 3 4 5 > newxx <-append(x, c(10, 11, 12, 13), after = 2) > newxx [1] 1 2 10 11 12 13 3 4 5
  • 17. 削除,置換修正 17 • m 番目のデータを削除 > x <- c(3, 3, 2, 3, 3) >x [1] 3 3 2 3 3 > newx <- x[-3] #x の 3 番目の値である 2 を削除し, newx に代入 > newx [1] 3 3 3 3 • m 番目のデータの値を z に変更 > x <- 1:5 >x [1] 1 2 3 4 5 > x[3] <- 100 >x [1] 1 2 100 4 5
  • 18. 要素の抽出 18 • ベクトルの場合  x<-c(10,12,14,15,15)  x の2番目の値を見たい • x[2] • で要素を取り出せる • 行列の場合  x<- matrix(c(1,2,3,4),2,2)  x の2行1列目を見たい • x[2, 1] • で要素をとりだせる  2行目全部をとりだしたいときは • x[2, ]  同様に2列目 • x[, 2] • x の3番目の値を y に代入したかったら  y <- x[3]
  • 19. 実行結果のファイル出力 19 • 以下の画面に出る表示 ( グラフを除く ) をファイルへ出力 >sink(“ ファイル名” ) > ・・・ 画面には何も表示されない >sink() > sink("result.txt") result.txt の中身を確認しよう > height > mean(height) > max(height) > sink()
  • 20. データの保存,保存したデータ・関数の読み込み 20 • 既定義変数の保存 workspace を名前をつけて保存する。  save.image(“ ファイル名” )  save.image(“intro.Rdata”) • 保存したデータ,関数の読み込み  load("intro.RData")  ls() • なにも指定せず保存した場合,(たとえば, q() でyとした とき) .RData というファイルに保存されます。 • 次回起動時は,何も指定がなければそのディレクトリにあ .Rdata を読み込みます。なければ何も入ってない状態になり ます。
  • 21. ベクトル計算 21 • 演習  x の2乗の和を計算してみよう  x+x はどういう値になっているか x <- c(10,12,14,15,15) y <- c(1, 2, 3 , 4, 5) • としたときに  x+y がどのような値になっているか。
  • 23. 出力デバイス 23 • TeX に取り込みやすい PS ファイルで出力するには  2F の実習室の場合は  postscript(“***.eps", horizontal = FALSE, onefile = FALSE, paper = "special", height = 9, width = 9, family=“Courier”) )  plot(height, weight)  dev.off() • Windows の場合, Windows を起動して確認しよう。