svyby() का आउटपुट

out और NHANESraw दोनों में SleepHrsNight और Gender नाम के कॉलम हैं. out को प्रिंट कीजिए और select(NHANESraw, SleepHrsNight, Gender) चलाइए.

निम्न में से कौन सा कथन गलत है?

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Survey Data का विश्लेषण

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Survey Data का विश्लेषण

SkillTag.level.intermediateSkillTag.label

4.8+

219 reviews

पाठ्यक्रम मुफ्त में शुरू करें

हम survey data की शुरुआत survey weights से करेंगे। इस चैप्टर में, आप जानेंगे कि survey weights क्या होते हैं और सर्वे डेटा विश्लेषण में ये इतने महत्वपूर्ण क्यों हैं। सर्वे डेटा की एक और खास बात है कि इन्हें क्लस्टरिंग और स्ट्रैटिफिकेशन के जरिए इकट्ठा किया जाता है। हम कई survey datasets के लिए इन सैंपलिंग फीचर्स को R में निर्दिष्ट करना और उनकी जाँच-पड़ताल करना सीखेंगे।

Exercise 1: Survey weights क्या होते हैं?Exercise 2: Survey weights Exercise 3: वेट्स का विज़ुअलाइज़ेशन Exercise 4: R में डिज़ाइन के घटकों को निर्दिष्ट करना Exercise 5: R में डिज़ाइन्स Exercise 6: R में stratified डिज़ाइन्स Exercise 7: R में क्लस्टर डिज़ाइन्स Exercise 8: विभिन्न डिज़ाइनों के सर्वे वेट्स की तुलना Exercise 9: सर्वे वेट्स के प्रभाव का विज़ुअलाइज़ेशन Exercise 10: NHANES वेट्स Exercise 11: सब कुछ जोड़कर समझें!

अब जब हमें survey weights की समझ है, तो इस चैप्टर में हम इन weights को categorical data के विश्लेषण में शामिल करने का अभ्यास करेंगे। हम सार-सांख्यिकी निकालकर, सार-सारणी बनाकर, और बार ग्राफ बनाकर वर्णनात्मक निष्कर्ष निकालेंगे। विश्लेषणात्मक निष्कर्ष के लिए, हम chi-squared tests चलाना सीखेंगे।

Exercise 1: किसी श्रेणीबद्ध वैरिएबल का विज़ुअलाइज़ेशन Exercise 2: किसी श्रेणीबद्ध वैरिएबल का सारांश Exercise 3: फ्रीक्वेंसी टेबल की व्याख्या Exercise 4: Categorical वैरिएबल का ग्राफ बनाना Exercise 5: दो श्रेणीबद्ध वैरिएबल्स की जाँच Exercise 6: Contingency tables बनाना Exercise 7: सेगमेंटेड बार ग्राफ बनाना Exercise 8: svytotal() के साथ सारांश निकालना Exercise 9: svymean() की व्याख्या Exercise 10: Categorical variables के लिए inference Exercise 11: ची-स्क्वायर्ड टेस्ट चलाना Exercise 12: आइए सब कुछ एक साथ जोड़ें!

बेशक, सभी survey data categorical नहीं होते, इसलिए इस चैप्टर में हम quantitative survey data का विश्लेषण करना सीखेंगे। हम survey-weighted सांख्यिकी, जैसे mean और quantiles, निकालना सीखेंगे। डेटा विज़ुअलाइज़ेशन के लिए, हम बार-ग्राफ, हिस्टोग्राम, और डेंसिटी प्लॉट बनाएँगे। चैप्टर के अंत में, हम survey-weighted t-tests के साथ विश्लेषणात्मक निष्कर्ष निकालेंगे।

Exercise 1: परिमाणात्मक डेटा का सारांश Exercise 2: Survey statistics Exercise 3: क्वांटाइल का अनुमान लगाना Exercise 4: मात्रात्मक डेटा का विज़ुअलाइज़ेशन Exercise 5: सर्वे-वेटेड means के bar plots Exercise 6: svyby() का आउटपुट

वर्तमान अभ्यास

Exercise 7: त्रुटि सहित बार प्लॉट Exercise 8: Survey-weighted हिस्टोग्राम Exercise 9: Survey-weighted density plots Exercise 10: मात्रात्मक डेटा के लिए निष्कर्ष (Inference)Exercise 11: Survey-weighted t-test Exercise 12: सब कुछ जोड़कर देखें!

Survey data का मॉडलिंग करते समय यह भी सावधानी से देखना होता है कि डेटा कैसे इकट्ठा किया गया था। हम इस मॉडलिंग चैप्टर की शुरुआत यह सीखकर करेंगे कि स्कैटर प्लॉट्स में size, color, और transparency जैसे एस्थेटिक्स के जरिए survey weights को कैसे शामिल किया जाए। फिर हम linear regression से survey data का मॉडल बनाएँगे और देखेंगे कि अपने मॉडलों में categorical predictors और polynomial terms को कैसे जोड़ा जाए।

Exercise 1: स्कैटर प्लॉट्स के साथ विज़ुअलाइज़ेशन Exercise 2: बबल प्लॉट्स Exercise 3: सर्वे-वेटेड स्कैटर प्लॉट्स Exercise 4: स्कैटर प्लॉट्स में रंग का उपयोग Exercise 5: ट्रेंड्स को विज़ुअलाइज़ करना Exercise 6: Line of best fit Exercise 7: ट्रेंड लाइन्स Exercise 8: सर्वे डेटा का मॉडलिंग Exercise 9: Regression मॉडल Exercise 10: Regression inference Exercise 11: और जटिल मॉडलिंग Exercise 12: मल्टिपल लीनियर रिग्रेशन Exercise 13: सब कुछ एक साथ जोड़ना Exercise 14: समापन