1 Wprowadzenie do obsługi programu R

2 R jest środowiskiem, w którym są dostępne metody statystyczne oraz metody analizy i wizualizacji danych W ponad tysiącu pakietów dodatkowych udostępniona jest większość metod klasycznej i współczesnej statystyki System R oraz prawie wszystkie jego pakiety dodatkowe są darmowe do wszelkich zastosowań (licencja GNU GPL) R jest oparty na języku programowania. Oznacza to ogromną elastyczność systemu. Żeby korzystać z R nie trzeba jednak ani być programistą, ani nawet umieć programować Wprowadzenie do obsługi programu R

3 Co potrafi R?  obsługa danych praktycznie dowolnego rodzaju (np. MySQL, Oracle, ODBC, XML, SAS i wiele innych),  ogromna liczba gotowych do użycia narzędzi statystyki i analizy danych,  ogromne możliwości graficzne,  grafika o jakości prezentacyjnej (do raportów, prezentacji i publikacji),  operacje macierzowe,  prosty i efektywny język programowania R (w tym elementy programowania obiektowego),  możliwość integracji z praktycznie ze wszystkimi językami programowania i z wieloma innymi narzędziami (Excel, Statistica itp.). Wprowadzenie do obsługi programu R

4

5

6

7

8 > 2*2 [1] 4 > 2+2 [1] 4 > 4-2 [1] 2 > 4/2 [1] 2 > 2^2 [1] 4 > sqrt(4) [1] 2 > (2+2)^2-sqrt(2+2) [1] 14 > pi [1] 3.141593 > x xlub > print(x) [1] 4 Wprowadzenie do obsługi programu R Podstawowe operacje arytmetyczne

9 Typy obiektów  wektor – ciąg liczb, łańcuchów znaków tekstowych itp. konstruktor: wektor x x y is.vector(x) #sprawdzenie czy zmienna x jest wektorem [1] TRUE Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_9.jpg", "name": "Typy obiektów  wektor – ciąg liczb, łańcuchów znaków tekstowych itp.", "description": "konstruktor: wektor x x y is.vector(x) #sprawdzenie czy zmienna x jest wektorem [1] TRUE Wprowadzenie do obsługi programu R.", "width": "800" } 10 Typy obiektów  wektor – ciąg liczb, łańcuchów znaków tekstowych itp. > dane=c(11,13,2,5,8,9,14,6,10,7) > dane [1] 11 13 2 5 8 9 14 6 10 7 > length(dane) [1] 10 > sort(dane) [1] 2 5 6 7 8 9 10 11 13 14 > summary(dane) Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 6.25 8.50 8.50 10.75 14.00 > mean(dane) [1] 8.5 > var(dane) [1] 13.61111 > sd(dane) [1] 3.689324 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_10.jpg", "name": "Typy obiektów  wektor – ciąg liczb, łańcuchów znaków tekstowych itp.", "description": "> dane=c(11,13,2,5,8,9,14,6,10,7) > dane [1] 11 13 2 5 8 9 14 6 10 7 > length(dane) [1] 10 > sort(dane) [1] 2 5 6 7 8 9 10 11 13 14 > summary(dane) Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 6.25 8.50 8.50 10.75 14.00 > mean(dane) [1] 8.5 > var(dane) [1] 13.61111 > sd(dane) [1] 3.689324 Wprowadzenie do obsługi programu R.", "width": "800" } 11 Typy obiektów  lista – obiekt złożony zawierający wiele informacji o różnym typie konstruktor: lista dane=c(11,13,2,5,8,9,14,6,10,7) > opis print(opis) $srednia [1] 8.5 $minimum [1] 2 $maksimum [1] 14 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_11.jpg", "name": "Typy obiektów  lista – obiekt złożony zawierający wiele informacji o różnym typie konstruktor: lista dane=c(11,13,2,5,8,9,14,6,10,7) > opis print(opis) $srednia [1] 8.5 $minimum [1] 2 $maksimum [1] 14 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  lista – obiekt złożony zawierający wiele informacji o różnym typie konstruktor: lista dane=c(11,13,2,5,8,9,14,6,10,7) > opis print(opis) $srednia [1] 8.5 $minimum [1] 2 $maksimum [1] 14 Wprowadzenie do obsługi programu R", "width": "800" } 12 Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_12.jpg", "name": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R", "width": "800" } 13 Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_13.jpg", "name": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R", "width": "800" } 14 Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_14.jpg", "name": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "width": "800" } 15 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu konstruktor: tabela.danych tabela.danych names(tabela.danych) 16 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty? 1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_16.jpg", "name": "Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty.", "description": "1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R.", "width": "800" } 17 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_17.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "description": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "width": "800" } 18 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) ! Pearson's Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_18.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) .", "description": "Pearson s Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R.", "width": "800" } 19 Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_19.jpg", "name": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "description": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "width": "800" } 20 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5)) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_20.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "width": "800" } 21 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_21.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "width": "800" } 22 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett's K-squared = 2.7463, df = 3, p-value = 0.4324 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_22.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "width": "800" } 23 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg. of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_23.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg.", "description": "of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced.", "width": "800" } 24 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_24.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 25 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: "http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku"  dla plików na dysku lokalnym: "c:/nazwa_katalogu/nazwa_pliku" Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_25.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku  dla plików na dysku lokalnym: c:/nazwa_katalogu/nazwa_pliku Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury.", "width": "800" } 26 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd("matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku") lub  setwd("c:/nazwa_katalogu/nazwa_pliku") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_26.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd( matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku ) lub  setwd( c:/nazwa_katalogu/nazwa_pliku ).", "width": "800" } 27 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik z rozszerzeniem.csv (MS-DOS) lub.txt (tekst rozdzielany znakami tabulacji) Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” Wczytanie pliku z danymi: > dane2 28 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_28.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv .", "width": "800" } 29 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” > getwd() [1] "C:/Users/Admin/Documents" > setwd("c:/R/") > getwd() [1] "C:/R" { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_29.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir) z menu „Plik (File) > getwd() [1] C:/Users/Admin/Documents > setwd( c:/R/ ) > getwd() [1] C:/R .", "width": "800" } 30 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Wczytanie pliku z danymi: > dane2 dane2 dane2 dlugosc krzyz 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4.", "width": "800" } 31 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_31.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 32 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_32.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "width": "800" } 33 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3... 30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_33.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3...", "description": "30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4.", "width": "800" } 34 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_34.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 35 Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = "Proba 2D rozkladu normalnego") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_35.jpg", "name": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "description": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "width": "800" } 36 data

10 Typy obiektów  wektor – ciąg liczb, łańcuchów znaków tekstowych itp. > dane=c(11,13,2,5,8,9,14,6,10,7) > dane [1] 11 13 2 5 8 9 14 6 10 7 > length(dane) [1] 10 > sort(dane) [1] 2 5 6 7 8 9 10 11 13 14 > summary(dane) Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 6.25 8.50 8.50 10.75 14.00 > mean(dane) [1] 8.5 > var(dane) [1] 13.61111 > sd(dane) [1] 3.689324 Wprowadzenie do obsługi programu R

11 Typy obiektów  lista – obiekt złożony zawierający wiele informacji o różnym typie konstruktor: lista dane=c(11,13,2,5,8,9,14,6,10,7) > opis print(opis) $srednia [1] 8.5 $minimum [1] 2 $maksimum [1] 14 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_11.jpg", "name": "Typy obiektów  lista – obiekt złożony zawierający wiele informacji o różnym typie konstruktor: lista dane=c(11,13,2,5,8,9,14,6,10,7) > opis print(opis) $srednia [1] 8.5 $minimum [1] 2 $maksimum [1] 14 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  lista – obiekt złożony zawierający wiele informacji o różnym typie konstruktor: lista dane=c(11,13,2,5,8,9,14,6,10,7) > opis print(opis) $srednia [1] 8.5 $minimum [1] 2 $maksimum [1] 14 Wprowadzenie do obsługi programu R", "width": "800" } 12 Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_12.jpg", "name": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R", "width": "800" } 13 Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_13.jpg", "name": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R", "width": "800" } 14 Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_14.jpg", "name": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "width": "800" } 15 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu konstruktor: tabela.danych tabela.danych names(tabela.danych) 16 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty? 1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_16.jpg", "name": "Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty.", "description": "1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R.", "width": "800" } 17 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_17.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "description": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "width": "800" } 18 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) ! Pearson's Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_18.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) .", "description": "Pearson s Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R.", "width": "800" } 19 Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_19.jpg", "name": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "description": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "width": "800" } 20 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5)) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_20.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "width": "800" } 21 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_21.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "width": "800" } 22 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett's K-squared = 2.7463, df = 3, p-value = 0.4324 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_22.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "width": "800" } 23 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg. of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_23.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg.", "description": "of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced.", "width": "800" } 24 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_24.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 25 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: "http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku"  dla plików na dysku lokalnym: "c:/nazwa_katalogu/nazwa_pliku" Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_25.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku  dla plików na dysku lokalnym: c:/nazwa_katalogu/nazwa_pliku Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury.", "width": "800" } 26 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd("matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku") lub  setwd("c:/nazwa_katalogu/nazwa_pliku") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_26.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd( matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku ) lub  setwd( c:/nazwa_katalogu/nazwa_pliku ).", "width": "800" } 27 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik z rozszerzeniem.csv (MS-DOS) lub.txt (tekst rozdzielany znakami tabulacji) Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” Wczytanie pliku z danymi: > dane2 28 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_28.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv .", "width": "800" } 29 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” > getwd() [1] "C:/Users/Admin/Documents" > setwd("c:/R/") > getwd() [1] "C:/R" { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_29.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir) z menu „Plik (File) > getwd() [1] C:/Users/Admin/Documents > setwd( c:/R/ ) > getwd() [1] C:/R .", "width": "800" } 30 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Wczytanie pliku z danymi: > dane2 dane2 dane2 dlugosc krzyz 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4.", "width": "800" } 31 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_31.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 32 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_32.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "width": "800" } 33 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3... 30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_33.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3...", "description": "30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4.", "width": "800" } 34 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_34.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 35 Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = "Proba 2D rozkladu normalnego") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_35.jpg", "name": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "description": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "width": "800" } 36 data

12 Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_12.jpg", "name": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów konstruktor: tablica tablica tablica [,1] [,2] [,3] [1,] 2 4 6 [2,] 3 5 7 > tablica[2,2] [1] 5 Wprowadzenie do obsługi programu R", "width": "800" } 13 Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_13.jpg", "name": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R", "width": "800" } 14 Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_14.jpg", "name": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "width": "800" } 15 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu konstruktor: tabela.danych tabela.danych names(tabela.danych) 16 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty? 1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_16.jpg", "name": "Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty.", "description": "1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R.", "width": "800" } 17 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_17.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "description": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "width": "800" } 18 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) ! Pearson's Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_18.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) .", "description": "Pearson s Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R.", "width": "800" } 19 Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_19.jpg", "name": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "description": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "width": "800" } 20 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5)) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_20.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "width": "800" } 21 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_21.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "width": "800" } 22 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett's K-squared = 2.7463, df = 3, p-value = 0.4324 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_22.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "width": "800" } 23 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg. of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_23.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg.", "description": "of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced.", "width": "800" } 24 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_24.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 25 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: "http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku"  dla plików na dysku lokalnym: "c:/nazwa_katalogu/nazwa_pliku" Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_25.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku  dla plików na dysku lokalnym: c:/nazwa_katalogu/nazwa_pliku Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury.", "width": "800" } 26 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd("matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku") lub  setwd("c:/nazwa_katalogu/nazwa_pliku") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_26.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd( matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku ) lub  setwd( c:/nazwa_katalogu/nazwa_pliku ).", "width": "800" } 27 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik z rozszerzeniem.csv (MS-DOS) lub.txt (tekst rozdzielany znakami tabulacji) Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” Wczytanie pliku z danymi: > dane2 28 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_28.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv .", "width": "800" } 29 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” > getwd() [1] "C:/Users/Admin/Documents" > setwd("c:/R/") > getwd() [1] "C:/R" { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_29.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir) z menu „Plik (File) > getwd() [1] C:/Users/Admin/Documents > setwd( c:/R/ ) > getwd() [1] C:/R .", "width": "800" } 30 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Wczytanie pliku z danymi: > dane2 dane2 dane2 dlugosc krzyz 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4.", "width": "800" } 31 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_31.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 32 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_32.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "width": "800" } 33 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3... 30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_33.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3...", "description": "30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4.", "width": "800" } 34 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_34.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 35 Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = "Proba 2D rozkladu normalnego") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_35.jpg", "name": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "description": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "width": "800" } 36 data

13 Typy obiektów  tablica – obiekt jedno lub wielowymiarowy zawierający informacje o uporządkowaniu elementów > dane=c(11,13,2,5,8,9,14,6,10,7) > dim(dane) = c(2,5) > dane [,1] [,2] [,3] [,4] [,5] [1,] 11 2 8 14 10 [2,] 13 5 9 6 7 > nrow(dane) [1] 2 > ncol(dane) [1] 5 Wprowadzenie do obsługi programu R

14 Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_14.jpg", "name": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "description": "Typy obiektów  macierz – tablica dwuwymiarowa konstruktor: macierz macierz macierz [,1] [,2] [,3] [1,] 1 -1 3 [2,] 3 2 2 [3,] 4 4 1 Wprowadzenie do obsługi programu R", "width": "800" } 15 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu konstruktor: tabela.danych tabela.danych names(tabela.danych) 16 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty? 1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_16.jpg", "name": "Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty.", "description": "1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R.", "width": "800" } 17 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_17.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "description": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "width": "800" } 18 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) ! Pearson's Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_18.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) .", "description": "Pearson s Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R.", "width": "800" } 19 Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_19.jpg", "name": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "description": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "width": "800" } 20 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5)) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_20.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "width": "800" } 21 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_21.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "width": "800" } 22 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett's K-squared = 2.7463, df = 3, p-value = 0.4324 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_22.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "width": "800" } 23 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg. of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_23.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg.", "description": "of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced.", "width": "800" } 24 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_24.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 25 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: "http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku"  dla plików na dysku lokalnym: "c:/nazwa_katalogu/nazwa_pliku" Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_25.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku  dla plików na dysku lokalnym: c:/nazwa_katalogu/nazwa_pliku Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury.", "width": "800" } 26 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd("matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku") lub  setwd("c:/nazwa_katalogu/nazwa_pliku") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_26.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd( matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku ) lub  setwd( c:/nazwa_katalogu/nazwa_pliku ).", "width": "800" } 27 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik z rozszerzeniem.csv (MS-DOS) lub.txt (tekst rozdzielany znakami tabulacji) Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” Wczytanie pliku z danymi: > dane2 28 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_28.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv .", "width": "800" } 29 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” > getwd() [1] "C:/Users/Admin/Documents" > setwd("c:/R/") > getwd() [1] "C:/R" { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_29.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir) z menu „Plik (File) > getwd() [1] C:/Users/Admin/Documents > setwd( c:/R/ ) > getwd() [1] C:/R .", "width": "800" } 30 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Wczytanie pliku z danymi: > dane2 dane2 dane2 dlugosc krzyz 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4.", "width": "800" } 31 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_31.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 32 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_32.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "width": "800" } 33 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3... 30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_33.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3...", "description": "30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4.", "width": "800" } 34 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_34.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 35 Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = "Proba 2D rozkladu normalnego") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_35.jpg", "name": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "description": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "width": "800" } 36 data

15 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu konstruktor: tabela.danych tabela.danych names(tabela.danych) 16 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty? 1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_16.jpg", "name": "Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty.", "description": "1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R.", "width": "800" } 17 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_17.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "description": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R", "width": "800" } 18 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) ! Pearson's Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_18.jpg", "name": "Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) .", "description": "Pearson s Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R.", "width": "800" } 19 Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_19.jpg", "name": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "description": "Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)", "width": "800" } 20 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5)) { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_20.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))", "width": "800" } 21 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_21.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4", "width": "800" } 22 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett's K-squared = 2.7463, df = 3, p-value = 0.4324 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_22.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett s K-squared = 2.7463, df = 3, p-value = 0.4324", "width": "800" } 23 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg. of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_23.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg.", "description": "of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced.", "width": "800" } 24 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_24.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 25 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: "http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku"  dla plików na dysku lokalnym: "c:/nazwa_katalogu/nazwa_pliku" Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_25.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku  dla plików na dysku lokalnym: c:/nazwa_katalogu/nazwa_pliku Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury.", "width": "800" } 26 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd("matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku") lub  setwd("c:/nazwa_katalogu/nazwa_pliku") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_26.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd( matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku ) lub  setwd( c:/nazwa_katalogu/nazwa_pliku ).", "width": "800" } 27 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik z rozszerzeniem.csv (MS-DOS) lub.txt (tekst rozdzielany znakami tabulacji) Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” Wczytanie pliku z danymi: > dane2 28 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_28.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv .", "width": "800" } 29 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” > getwd() [1] "C:/Users/Admin/Documents" > setwd("c:/R/") > getwd() [1] "C:/R" { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_29.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir) z menu „Plik (File) > getwd() [1] C:/Users/Admin/Documents > setwd( c:/R/ ) > getwd() [1] C:/R .", "width": "800" } 30 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Wczytanie pliku z danymi: > dane2 dane2 dane2 dlugosc krzyz 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4.", "width": "800" } 31 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_31.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read.", "description": "Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 32 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv” { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_32.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "description": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv", "width": "800" } 33 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3... 30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_33.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3...", "description": "30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4.", "width": "800" } 34 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_34.jpg", "name": "Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif.", "description": "codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1.", "width": "800" } 35 Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = "Proba 2D rozkladu normalnego") { "@context": "http://schema.org", "@type": "ImageObject", "contentUrl": "http://images.slideplayer.pl/31/9697745/slides/slide_35.jpg", "name": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "description": "Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = Proba 2D rozkladu normalnego )", "width": "800" } 36 data

16 Typy obiektów  tabela danych (ramka, data.frame) – macierz, w której poszczególne kolumny mogą zawierać wartości różnego typu > tabela.danych Inicjał Kolejność Czy parzysty? 1 A 1 FALSE 2 B 2 TRUE 3 C 3 FALSE 4 D 4 TRUE 5 E 5 FALSE 6 F 6 TRUE 7 G 7 FALSE 8 H 8 TRUE 9 I 9 FALSE 10 J 10 TRUE Wprowadzenie do obsługi programu R

17 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) Wprowadzenie do obsługi programu R

18 Przykład: test χ 2 – wprowadzenie danych przy pomocy wektorów > dawka1=c(10, 48, 35, 10, 6) > dawka2=c(38, 90, 20, 12, 8) > dawka3=c(96, 55, 10, 6, 5) > chisq.test(cbind(dawka1, dawka2, dawka3)) # cbind tworzy obiekt typu tabela danych (data.frame) ! Pearson's Chi-squared test data: cbind(dawka1, dawka2, dawka3) X-squared = 100.1385, df = 8, p-value < 2.2e-16 Wprowadzenie do obsługi programu R

19 Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0)

20 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > zap1=c(4.2, 4.3, 3.7, 4.7, 4.6) > zap2=c(4.6, 4.9, 5.0, 4.5, 5.5) > zap3=c(4.7, 4.7, 5.6, 5.2, 4.8) > zap4=c(5.8, 4.9, 5.7, 5.6, 7.0) > dane1 = data.frame(wyniki=c(zap1, zap2, zap3, zap4),zapylenie=rep(1:4,each=5))

21 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów > dane1 wyniki zapylenie 1 4.2 1 2 4.3 1 3 3.7 1 4 4.7 1 5 4.6 1 6 4.6 2 7 4.9 2 8 5.0 2 9 4.5 2 10 5.5 2 11 4.7 3 12 4.7 3 13 5.6 3 14 5.2 3 15 4.8 3 16 5.8 4 17 4.9 4 18 5.7 4 19 5.6 4 20 7.0 4

22 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów I etap – ocena jednorodności wariancji testem Bartletta > bartlett.test(wyniki~zapylenie, dane1) Bartlett test of homogeneity of variances data: wyniki by zapylenie Bartlett's K-squared = 2.7463, df = 3, p-value = 0.4324

23 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > aov(wyniki~factor(zapylenie),dane1) Call: aov(formula = wyniki ~ factor(zapylenie), data = dane1) Terms: factor(zapylenie) Residuals Sum of Squares 5.70 4.16 Deg. of Freedom 3 16 Residual standard error: 0.509902 Estimated effects may be unbalanced

24 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych przy pomocy wektorów II etap – weryfikacja Ho: µ zap1 = µ zap2 = µ zap3 = µ zap4 Wykorzystanie wbudowanej funkcji aov lub użycie aov jako parametru polecenia anova > anova(aov(wyniki~factor(zapylenie),dane1)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

25 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Plik powinien mieć jeden z formatów akceptowanych przez polecenie read. tj. txt lub csv (dozwolone są separatory typu spacja, przecinek i średnik) Konstruktor: read.obiekt_do_wczytania(plik, parametry ) Ścieżka dostępu zapisywana jest w następujący sposób:  dla plików umieszczonych w sieci: "http://matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku"  dla plików na dysku lokalnym: "c:/nazwa_katalogu/nazwa_pliku" Ścieżkę dostępu można wcześniej zdefiniować tak, aby obowiązywała dla wszystkich plików wczytywanych i zapisywanych w ramach danej procedury

26 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Ścieżka dostępu sprawdzenie aktualnej ścieżki: > getwd() ustawienie ścieżki: > setwd("matrix.ar.krakow.pl/~twojtowicz/nazwa_pliku") lub  setwd("c:/nazwa_katalogu/nazwa_pliku")

27 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik z rozszerzeniem.csv (MS-DOS) lub.txt (tekst rozdzielany znakami tabulacji) Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” Wczytanie pliku z danymi: > dane2

28 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „lucerna.csv”

29 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Przygotowanie środowiska R należy ustawić ścieżkę dostępu do katalogu zawierającego plik(i) z danymi poleceniem setwd(ścieżka_dostępu) lub wybierając polecenie „Zmień katalog (Change dir)” z menu „Plik (File)” > getwd() [1] "C:/Users/Admin/Documents" > setwd("c:/R/") > getwd() [1] "C:/R"

30 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Wczytanie pliku z danymi: > dane2

31 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie jednoczynnikowym - wprowadzenie danych z pliku przy pomocy funkcji read. Obliczenie analizy: > anova(aov(dlugosc~factor(zapyl),data=dane2)) Analysis of Variance Table Response: wyniki Df Sum Sq Mean Sq F value Pr(>F) factor(zapylenie) 3 5.70 1.90 7.3077 0.002648 ** Residuals 16 4.16 0.26 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

32 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Przygotowanie pliku: po odpowiednim ułożeniu danych w arkuszu kalkulacyjnym należy zapisać plik jako „kukurydza.csv”

33 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwuczynnikowym Wczytanie pliku z danymi: > dane3 dane3 Dane Inok Naw 1 6.0 k1 w1 2 4.5 k1 w1 3 5.5 k1 w1 4 5.0 k1 w1 5 7.5 k1 w2 6 7.5 k1 w2 7 7.9 k1 w2 8 8.0 k1 w2 9 8.0 k1 w3 10 8.5 k1 w3... 30 15.1 k2 w4 31 13.8 k2 w4 32 14.5 k2 w4

34 Wprowadzenie do obsługi programu R Przykład: analiza wariancji w układzie dwu Obliczenie analizy: > anova(aov(Dane~Inok*Naw,data=dane3)) Analysis of Variance Table Response: Dane Df Sum Sq Mean Sq F value Pr(>F) Inok 1 97.650 97.650 139.1071 1.786e-11 *** Naw 3 179.353 59.784 85.1656 6.213e-13 *** Inok:Naw 3 14.773 4.924 7.0151 0.001502 ** Residuals 24 16.848 0.702 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

35 Wprowadzenie do obsługi programu R Graficzna prezentacja danych FunkcjaEfekt plot podstawowy wykres rozrzutu hist histogram pie wykres kołowy barplot wykres słupkowy boxplot wykres pudełkowy pairs zestaw wykresów rozrzutu stars wykres radarowy mosaicplot wykres mozaikowy n = 10^3 plot(rnorm(n), rnorm(n), main = "Proba 2D rozkladu normalnego")

36 data

37 data

38 barplot(data[1,]) Wprowadzenie do obsługi programu R Graficzna prezentacja danych PszenicaŻyto Kontrola89 Nawóz_11211 Nawóz_21315 data

39 par(mfrow=c(1,2)) # podział obszaru wykresu barplot(data, beside = TRUE) # porównanie rodzaju nawozu barplot(t(data), beside = TRUE) # porównanie gatunków Wprowadzenie do obsługi programu R Graficzna prezentacja danych Zestaw wykresów słupkowych dla danych

40 par(mfrow=c(1,2)) par(bg = „lightblue") # kolor tła obszaru kreślenia barplot(data, beside = TRUE, col = topo.colors(2)) par(lwd=2, lty=3) # grubość linii 2, styl - kropki barplot(t(data), beside = TRUE, col = heat.colors(2), border='blue') Wprowadzenie do obsługi programu R Graficzna prezentacja danych Dodanie kolorów i krawędzi słupków

41 barplot((data), beside = TRUE, col = 'blue', density=c(4,15), angle=c(0,45)) Wprowadzenie do obsługi programu R Graficzna prezentacja danych Dodanie kreskowania

42 barplot(data, beside = TRUE) title(main = list("Plonowanie gatunków zbóż w zależności od poziomu nawożenia.", font = 6, col = 'darkblue', cex = 1.1)) # parametry funkcji służą do ustawienia czcionki i koloru Wprowadzenie do obsługi programu R Graficzna prezentacja danych Ustawienie tytułu wykresu

43 barplot(data, beside = TRUE) title(main = list("Plonowanie gatunków zbóż w zależności od poziomu nawożenia.", font = 6, col = 'darkblue', cex = 1.1)) # parametry funkcji służą do ustawienia czcionki i koloru title(xlab = list("Nawozy", font = 6, col = 'darkblue', cex = 1), ylab = list("Plon [kg/poletko]", font = 6, col = 'darkblue', cex = 1)) Wprowadzenie do obsługi programu R Graficzna prezentacja danych Ustawienie opisu osi X i Y

44 barplot(data, beside = TRUE, xlim = c(0,13), args.legend = list(x ='right'), legend = rownames(data)) title(main = list("Plonowanie gatunków zbóż w zależności od poziomu nawożenia.", font = 6, col = 'darkblue', cex = 1.1)) # parametry funkcji służą do ustawienia czcionki i koloru title(xlab = list("Nawozy", font = 6, col = 'darkblue', cex = 1), ylab = list("Plon [kg/poletko]", font = 6, col = 'darkblue', cex = 1)) Wprowadzenie do obsługi programu R Graficzna prezentacja danych Dodanie legendy

45 barplot(data, beside = TRUE, xlim = c(0,13), args.legend = list(x ='right'), legend = rownames(data)) title(main = list("Plonowanie gatunków zbóż w zależności od poziomu nawożenia.", font = 6, col = 'darkblue', cex = 1.1)) # parametry funkcji służą do ustawienia czcionki i koloru title(xlab = list("Nawozy", font = 6, col = 'darkblue', cex = 1), ylab = list("Plon [kg/poletko]", font = 6, col = 'darkblue', cex = 1)) grid(nx=NA, ny=NULL, lwd = 1, col = 'black', lty=2) Wprowadzenie do obsługi programu R Graficzna prezentacja danych Dodanie linii siatki

46 ask — ustawienie na TRUE powoduje, ze przed rozpoczęciem rysowania użytkownik będzie musiał nacisnąć dowolny klawisz. Jest to przydatne przy rysowaniu wykresów etapami i zapisywaniu każdego z etapów. bg — kolor tła wykresu (background). col — kolor wykresu (linii, słupków etc. w zależności od kontekstu). col.axis — kolor osi. col.lab — kolor legendy osi. col.main — kolor głównego tytułu. col.sub — kolor podtytułów. fg — kolor powierzchni wykresu (foreground). font — rodzaj czcionki. 1 to krój normalny, 2 — pogrubiony, 3 — kursywa, 4 — pogrubiona kursywa. lty — rodzaj linii. 1 to ciągła, 2 — kreskowana, 3 — kropkowana, 4 — kropka-kreska, 5 — długa kreska, 6 — podwójna kreska. lwd — grubość linii, standardowo 1. mar — marginesy wykresu, standardowo c(5, 4, 4, 2) + 0.1. mfcol, mfrow — parametry umożliwiające rysowanie kilku wykresów na jednym „ekranie” w formie tabeli. Określają liczbę wierszy i kolumn tej tabeli. new — ustawiony na TRUE powoduje narysowanie wykresu na poprzednim, bez czyszczenia ekranu. pch — rodzaj symbolu rysowanego na wykresie do oznaczenia punktu. Wartość może być liczbą całkowitą lub jednym znakiem. Np. 2 oznacza drugi symbol ze standardowego zestawu, zas "X" — rysowanie liter X. xlog, ylog — ustawiając na TRUE uzyskujemy logarytmiczną skalę osi x lub y. xlim, ylim — przedziały osi x i y.