Jak získat nápovědu

Zobraz nápovědu pro funkci library() a přečti sekci Note – pak vyber správné tvrzení:

Toto cvičení je součástí kurzu

R pro uživatele SAS

Zobrazit kurz

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

R pro uživatele SAS

SkillTag.level.beginnerSkillTag.label

4.8+

28 reviews

Začněte kurz zdarma

V první kapitole se zorientuješ v prostředí programovacího jazyka R. Naučíš se, jak získat nápovědu, načíst datovou sadu a rozšířit funkcionalitu pomocí balíčků. Začneš pracovat s datovou sadou abalone (prostřednictvím pracovního postupu balíčku dplyr), získáš popisné statistiky a vytvoříš užitečné vizualizace (pomocí balíčku ggplot2).

Exercise 1: Jak získat nápovědu a načíst data v R Exercise 2: Jak získat nápovědu

Aktuální cvičení

Exercise 3: Načtení datasetu a zobrazení podrobností Exercise 4: Rozšíř funkčnost pomocí balíčků Exercise 5: Obsah datasetu a popisná statistika Exercise 6: Načtení externího datasetu Exercise 7: Obsah datasetu Exercise 8: Popisná statistika Exercise 9: Grafické vizualizace Exercise 10: Histogramy Exercise 11: Krabicové grafy a houslové grafy Exercise 12: Bodové grafy

Teď, když se v prostředí R orientuješ, tato kapitola prohloubí tvé znalosti o všestrannosti R při práci s datovými objekty. Naučíš se vytvářet a upravovat proměnné v datové sadě abalone. Pomocí vizualizačních dovedností z ggplot2 odhalíš chyby v datech a vytvoříš výslednou vyčištěnou datovou sadu připravenou k analýze a modelování.

Exercise 1: Objekty – stavební kameny R Exercise 2: Vytváření datových objektů v R Exercise 3: Vytváření složených datových objektů Exercise 4: Výběr prvků z objektů Exercise 5: Zjisti typy proměnných Exercise 6: Výběr prvků z objektů Exercise 7: Manipulace s datovými sadami a datovými objekty Exercise 8: Vytvoření nových proměnných Exercise 9: Překódování proměnných Exercise 10: Převod typů objektů Exercise 11: Kvalita dat a jejich čištění Exercise 12: Prozkoumání proměnných Exercise 13: Nelogické váhy Exercise 14: Kontrola rozměrových měření Exercise 15: Kontrola finálního datasetu

Jakmile je datová sada vyčištěná, přichází na řadu průzkum. Ve třetí kapitole se naučíš počítat popisné statistiky, zkoumat asociace (např. korelace) mezi proměnnými a provádět bivariační statistické testy (např. t-testy a chí-kvadrát testy). Vytvoříš také grafické vizualizace, které ilustrují bivariační asociace a testy porovnání skupin.

Exercise 1: Exploratory data analysis Exercise 2: Popisná statistika a maskování funkcí Exercise 3: Konkrétní statistiky pro jednu nebo více proměnných Exercise 4: Souhrnné statistiky podle skupin Exercise 5: Korelace a t-testy Exercise 6: Bivariační korelace Exercise 7: Bodové grafy Exercise 8: Korelace podle pohlaví Exercise 9: Testy pro dvě skupiny Exercise 10: Kategorická data: analýza a vizualizace Exercise 11: Chi-square testy Exercise 12: Mozaikové grafy Exercise 13: Věkové kategorie podle kategorií váhy ulity

V této závěrečné kapitole se naučíš pracovat s jedním z nejuniverzálnějších typů datových objektů v R – se seznamem (list). Tyto dovednosti ti umožní ukládat a manipulovat s výstupy z popisných statistik, asociací a výpočtů porovnání skupin. Naučíš se také provádět ANOVA (analýzu rozptylu) a lineární regresi v R. Všechny své dovednosti pak využiješ v závěrečných cvičeních, kde vytvoříš co nejlepší modely pro předpovídání věku mlžů abalone na základě jejich pohlaví, velikosti a hmotnosti.

Exercise 1: Práce s výstupními objekty Exercise 2: Výstup popisné statistiky Exercise 3: Shrnutí výstupu Exercise 4: Výstup group_by Exercise 5: Práce se seznamy Exercise 6: Výstup funkce Hmisc describe Exercise 7: Výstup korelací Exercise 8: Výstup t-testů Exercise 9: Výstup chí-kvadrát testů Exercise 10: ANOVA a lineární modely Exercise 11: ANOVA Exercise 12: Lineární regrese Exercise 13: Vyhodnocení finálních modelů Exercise 14: Prediktory věku abalonů Exercise 15: Nejlepší model podle pohlaví Exercise 16: Shrnutí kurzu a doporučení