Cum se descrie variația datelor în R-dummies

Un singur număr nu vă spune multe despre datele dvs. Adesea este la fel de important să cunoaștem răspândirea datelor. Puteți utiliza R pentru a examina această răspândire utilizând o serie de abordări diferite.

În primul rând, puteți calcula varianța sau devierea standard pentru a rezuma dispersia într-un singur număr. Pentru aceasta, aveți funcțiile convenabile var () pentru variația și sd () pentru abaterea standard. De exemplu, calculați deviația standard a variabilei mpg în mașinile de cadre de date, astfel:

>> sd (mașini $ mpg) [1] 6. 026948

Pe lângă mijloc și variație, puteți, de asemenea, să aruncați o privire la cuanticele. Un

quantile, sau percentil, vă spune cât de mult din datele dvs. se află sub o anumită valoare. Cantitatea de 50%, de exemplu, nu este decât mediana. Din nou, R are câteva funcții convenabile pentru a vă ajuta să vă uitați la cuanticele. Cum se calculează intervalul de date în R

Cantitățile cele mai utilizate sunt de fapt cuantificările 0 la sută și 100 la sută. Puteți să le numiți la fel de ușor și minim, pentru că așa sunt. Puteți obține împreună funcțiile min () și max () împreună cu funcția range (). Această funcție vă oferă în mod convenabil intervalul de date. Deci, pentru a afla între cele două valori ale tuturor kilometrajelor, faceți pur și simplu următoarele:

> gama (mașini $ mpg) [1] 10. 4 33. 9

Cum se calculează datele despre caracterele de date în R

Domeniul vă oferă doar informații limitate. Adesea, statisticienii raportează primul și al treilea

caractelat

de lângă interval și median. Aceste quartile sunt, respectiv, cuantificările de 25 la sută și 75 la sută, care sunt numerele pentru care un sfert și trei sferturi din date sunt mai mici. Obțineți aceste numere folosind funcția quantile (), astfel:

>> quantile (masini $ mpg) 0% 25% 50% 75% 100% 10. 400 15. 425 19. 200 22. 800 33. 900 Quartiletele nu sunt aceleași ca balama inferioară și superioară calculată în rezumatul celor cinci cifre. Cele două din urmă sunt, respectiv, mediana jumătății inferioare și superioare a datelor dvs. și diferă ușor față de primul și al treilea trimestru. Pentru a obține statisticile cu cinci cifre, utilizați funcția fivenum ().

Cum să obțineți viteza cu funcția quantile în R

Funcția quantile () vă poate oferi orice cantitate doriți. Pentru asta, folosiți argumentul probs. Dați probabil probele (sau probabilitățile) ca număr fracționat. Pentru cuantilele de 20%, de exemplu, utilizați valoarea 0. 20 ca argument pentru valoare.Acest argument are de asemenea un vector ca valoare, astfel încât să puteți obține, de exemplu, cuantificările de 5% și 95% astfel: >> quantile (mașini $ mpg, probs = c (0.05, 0. 95)) 5% 95% 11. 995 31. 300

Valoarea implicită pentru argumentul probs este un vector reprezentând minimul (0), primul quartil (0,25), mediana (0,5) quartile (0,75) și maxim (1).

Toate aceste funcții au un argument na. rm care vă permite să eliminați toate valorile NA înainte de a calcula statistica respectivă. Dacă nu faceți acest lucru, orice vector care conține NA va avea NA ca rezultat. Acest lucru funcționează identic cu na. argumentul rm al funcției sum ().