BTVN.Buổi1.nkan
Nguyễn Khánh An
2023-06-09
BTVN: Tuần 1.
*BÀI TẬP VỀ NHÀ TUẦN 1
I. GIẢI THÍCH DỮ LIỆU
1. Dataset: “Parade2005” là 1 tập dữ liệu được thu thập ở Mỹ trong năm 2005 bởi tạp chí Parade. Tập dữ liệu này gồm 130 quan sát và 5 biến. Trong đó 5 biến là:
a. earnings: thu nhập cá nhân hàng năm.
b. age: tuổi của người được khảo sát.
c. gender: giới tính của người được khảo sát.
d. sate: tiểu bang của người được khảo sát.
e. celebrity: người được khảo sát có phải là người nổi tiếng? (yes/no).
II. THAO TÁC CƠ BẢN TRÊN DỮ LIỆU CẦN PHÂN TÍCH
1. Khai báo sử dụng package “AER” từ thư viện và sử dụng tập dữ liệu “Parade2005”. Sau đó cho hiển thị 6 quan sát đầu tiên của tập dữ liệu “Parade2005”
library(AER)## Loading required package: car## Loading required package: carData## Loading required package: lmtest## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric## Loading required package: sandwich## Loading required package: survivaldata("Parade2005")
head(Parade2005)## earnings age gender state celebrity
## 1 10000 26 male ND no
## 2 10000000 18 female CA yes
## 3 85000 39 male NE no
## 4 75000 50 female NC no
## 5 91500 61 male DE no
## 6 49500 39 female SD noaa. Tiến hành tạo tập dữ liệu bản sao “Pa” từ tập dữ liệu “Parade2005” và đặt lại tên cho các biến trong đó
Pa <- Parade2005
names(Pa) <- c("ThuNhap","Tuoi","GioiTinh","Bang","NoiTieng")bb. Truy vấn dữ liệu con: Chọn biến Thu Nhập, Tuổi, Giới Tính từ tập dữ liệu “Pa”
ThuNhap <- Pa$ThuNhap
Tuoi <- Pa$Tuoi
GioiTinh <- Pa$GioiTinh
x <- Pa[, c("ThuNhap","Tuoi","GioiTinh")]
str(x)## 'data.frame': 130 obs. of 3 variables:
## $ ThuNhap : num 10000 10000000 85000 75000 91500 49500 105000 30000 40000 23000 ...
## $ Tuoi : num 26 18 39 50 61 39 31 24 24 45 ...
## $ GioiTinh: Factor w/ 2 levels "female","male": 2 1 2 1 2 1 1 2 1 2 ...2. Trực quan dữ liệu với package “ggplot2” cho đối tượng là 2 biến ThuNhap, Tuoi
a. Khai báo sử dụng packe “ggplot2” từ thư viện
library(ggplot2)b. Đồ thị thể hiện trực quan hóa dữ liệu biến định lượng ThuNhap
barplot(ThuNhap, xlab = "", ylab = "Thu Nhập", main = "Biểu đồ thể hiện dữ liệu của biến Thu Nhập", col = c("red", "green", "blue", "pink", "white"))
c. Đồ thị thể hiện trực quan hóa dữ liệu biến định lượng Tuoi
barplot(Tuoi, xlab = "", ylab = "Tuổi", main = "Biểu đồ thể hiện dữ liệu của biến Tuổi", col = c("red", "green", "blue", "pink", "white"))
## 3. Xử lý dữ liệu ### a. Lọc dữ liệu: Tiến hành lọc ra những quan sát
có Giới Tính là Nam và có Thu Nhập lớn hơn 20.000000.000$
m <- Pa[Pa$GioiTinh=='male' & Pa$ThuNhap > 20000000, ]
str(m)## 'data.frame': 3 obs. of 5 variables:
## $ ThuNhap : num 2.1e+07 2.5e+07 4.2e+07
## $ Tuoi : num 20 51 28
## $ GioiTinh: Factor w/ 2 levels "female","male": 2 2 2
## $ Bang : Factor w/ 50 levels "AK","AL","AZ",..: 35 9 15
## $ NoiTieng: Factor w/ 2 levels "no","yes": 2 2 2b. Sắp xếp dữ liệu: tôi sắp xếp dữ liệu theo biến ThuNhap với thứ tự sắp xếp mặc định là tăng dần.
ThuNhaptang = Pa[order(Pa$ThuNhap), ]
head(ThuNhaptang)## ThuNhap Tuoi GioiTinh Bang NoiTieng
## 1 10000 26 male ND no
## 100 11000 43 female IN no
## 21 12000 39 female MI no
## 94 12000 27 female VA no
## 126 17500 38 female AK no
## 118 17900 42 female VT no4. Lập bảng tần số cho biến ThuNhap, Tuoi, GioiTinh
a. Bảng tần số cho biến định lượng ThuNhap
BangThuNhap <- cut(ThuNhap, breaks = c(10000, 50000, 250000, 1000000,10000000, 42000000 ), labels = c("thap", "trungbinh", "trungbinhcao","cao", "ratcao"), right = TRUE)
tabThuNhap=table(BangThuNhap)
tabThuNhap## BangThuNhap
## thap trungbinh trungbinhcao cao ratcao
## 66 51 3 2 7b. Giải thích kết quả: đa số người được khảo sát thuộc nhóm thu nhập thấp và trung bình (từ 10000$ đến 250000\() với tỉ lệ rất cao là 90%. Trong đó nhóm thu nhập thấp (từ 10000\) đến 50000$) chiếm tỉ lệ cao nhất là 50.1%
c. Bảng tần số cho biến định lượng Tuoi
BangTuoi <- cut(Tuoi, breaks = c(18, 30, 40, 52), labels = c("18-30", "30-40", "40-50"), right = TRUE)
tabTuoi=table(BangTuoi)
tabTuoi## BangTuoi
## 18-30 30-40 40-50
## 32 44 33Giải thích kết quả: phần lớn người được khảo sát thuộc nhóm độ tuổi trung niên (từ 30 đến 45 tuổi) với tỉ lệ cao nhất là 46.2%
d. Bảng tần số cho biến định tính GioiTinh
table(GioiTinh)## GioiTinh
## female male
## 62 68tabGioiTinh=table(GioiTinh)
tabGioiTinh## GioiTinh
## female male
## 62 68Giải thích kết quả: tỉ lệ người được khảo sát là nam là 52.3%, cao hơn so với nữ là 47.7%.
BTVN: Tuần 2.
BÀI TẬP VỀ NHÀ TUẦN 22
CHỦ ĐỀ: PHÂN TÍCH SỰ TÁC ĐỘNG CỦA BIẾN TUỔI VÀ BIẾN GIỚI TÍNH LÊN BIẾN THU NHẬP
I. Mô tả lại dữ liệu
a.Dataset: “Parade2005” là 1 tập dữ liệu được thu thập ở Mỹ trong năm 2005 bởi tạp chí Parade. Tập dữ liệu này gồm 130 quan sát và 5 biến. Trong đó 5 biến là:
earnings: thu nhập cá nhân hàng năm.
age: tuổi của người được khảo sát.
gender: giới tính của người được khảo sát.
II. Các đại lượng đo lường độ tập trung của biến định lượng Tuổi và Thu Nhập
a. Biến Thu Nhập
Trung bình: được tính là giá trị trung bình cộng của các giá trị.
mean(ThuNhap)## [1] 1503412Trung vị: là số nằm ở giữa một nhóm các số; có nghĩa là, phân nửa các số có giá trị lớn hơn số trung vị, còn phân nửa các số có giá trị bé hơn số trung vị.
median(ThuNhap)## [1] 50000Mean>Median => Phân phối lệch phải
b. Biến Tuổi
Trung bình: được tính là giá trị trung bình cộng của các giá trị.
mean(Tuoi)## [1] 39.17692Trung vị: là số nằm ở giữa một nhóm các số; có nghĩa là, phân nửa các số có giá trị lớn hơn số trung vị, còn phân nửa các số có giá trị bé hơn số trung vị.
median(Tuoi)## [1] 38.5=> Mean>Median => Phân phối lệch phải
III. LẬP BẢNG TẦN SỐ CỦA BIẾN THU NHẬP, TUỔI, GIỚI TÍNH VÀ VẼ ĐỒ THỊ
a. Bảng tần số cho biến ThuNhap, Tuoi, GioiTinh
tabThuNhap## BangThuNhap
## thap trungbinh trungbinhcao cao ratcao
## 66 51 3 2 7tabTuoi## BangTuoi
## 18-30 30-40 40-50
## 32 44 33tabGioiTinh## GioiTinh
## female male
## 62 68b. Vẽ đồ thị từ bảng tần số của 3 biến trên
barplot(tabThuNhap, xlab = "Thu Nhập", ylab = "Tần số", main = "Biểu đồ tần số của biến Thu Nhập", col = c("red", "green", "blue", "pink", "white"))
barplot(tabTuoi, xlab = "Tuổi", ylab = "Tần số", main = "Biểu đồ tần số của Biến Tuổi", col = c("red", "green", "blue")) 
barplot(tabGioiTinh, xlab = "Tuổi", ylab = "Tần số", main = "Biểu đồ tần số của Biến Tuổi", col = c("red", "green"))
## IV. Phân tích sự tác động của biến Tuổi lên Thu Nhập ### a. Lập bảng
kết hợp giữa biến Tuổi và Thu Nhập
tabTNT=table(BangThuNhap, BangTuoi)
tabTNT## BangTuoi
## BangThuNhap 18-30 30-40 40-50
## thap 21 25 13
## trungbinh 5 16 18
## trungbinhcao 1 0 1
## cao 1 0 0
## ratcao 3 3 1Kiểm định Chi Bình Phương (Chi-quared)
Trong kiểm định này, chúng ta phải kiểm tra các giá trị p. Hơn nữa, giống như tất cả các thử nghiệm thống kê, chúng tôi giả định thử nghiệm này là giả thuyết H0 và giả thuyết H1.
Chúng ta sẽ bác bỏ giả thuyết H0 nếu giá trị p xuất hiện trong kết quả nhỏ hơn mức ý nghĩa xác định trước, thường là 0,05, thì chúng ta bác bỏ giả thuyết H0.
chisq.test(ThuNhap, Tuoi, correct=FALSE)## Warning in chisq.test(ThuNhap, Tuoi, correct = FALSE): Chi-squared
## approximation may be incorrect##
## Pearson's Chi-squared test
##
## data: ThuNhap and Tuoi
## X-squared = 3735.3, df = 3526, p-value = 0.007096Ta có giá trị chi bình phương xấp xỉ 3735 và giá trị p-value xấp xỉ 0.0071. Vì chúng ta nhận được giá trị p nhỏ hơn mức ý nghĩa 0,05, chúng ta bác bỏ giả thuyết H0.
=> Kết luận: biến thu nhập (earnings) và biến tuổi (age) trên thực tế là 2 biến phụ thuộc.
Đồ thị của biến Thu Nhập theo biến Tuổi
uoi18den30 <- Tuoi[Tuoi>=18 & Tuoi<30]
vearnandage18den30 <- c(21,5,1,1,3)
Tuoi30den45 <- Tuoi[Tuoi>=30 & Tuoi<40]
vearnandage30den45 <- c(23,16,0,0,3)
Tuoi40den52 <- Tuoi[Tuoi>=40 & Tuoi<53]
vearnandage45den52 <- c(13,18,1,0,1)plot(vearnandage18den30, xlab = "Mức Thu Nhập: Thấp - Tr.Bình - Cao - Rất Cao", ylab = "Tần Số", main = "Biểu đồ tần số của biến Thu Nhập ở độ tuổi 18 đến 30", col = c("red", "green", "blue","white"))+plot(vearnandage30den45, xlab = "Mức Thu Nhập: Thấp - Tr.Bình - Cao - Rất Cao", ylab = "Tần Số", main = "Biểu đồ tần số của biến Thu Nhập ở độ tuổi 30 đến 40", col = c("red", "green", "blue","white"))+plot(vearnandage45den52, xlab = "Mức Thu Nhập: Thấp - Tr.Bình - Cao - Rất Cao", ylab = "Tần Số", main = "Biểu đồ tần số của biến Thu Nhập ở độ tuổi 40 đến 52", col = c("red", "green", "blue","white"))
## integer(0)Giải thích kết quả: nhóm thu nhập thấp từ độ tuổi 18-30 đến độ tuổi 40-52 có xu hướng giảm từ 21 xuống 13 người, trong khi đó nhóm thu nhập trung bình từ độ tuổi 18-30 đến độ tuổi 40-52 có xu hướng tăng từ 5 lên 18 người. Các nhóm thu nhập trung bình cao, cao và rất cao có tần số quá ít để xác định kết xu hướng tăng giảm.
=> Kết luận: biến Tuổi và Thu Nhập có quan hệ tương quan dương khi độ tuổi càng cao thì nhóm thu nhập thấp giảm và thu nhập nhóm trung bình càng tăng.
b. Lập bảng kết hợp giữa biến Giới Tính và Thu Nhập
tabTNGT=table(BangThuNhap, GioiTinh)
tabTNGT## GioiTinh
## BangThuNhap female male
## thap 38 28
## trungbinh 18 33
## trungbinhcao 1 2
## cao 2 0
## ratcao 3 4Kiểm định Chi Bình Phương (Chi-quared)
Trong kiểm định này, chúng ta phải kiểm tra các giá trị p. Hơn nữa, giống như tất cả các thử nghiệm thống kê, chúng tôi giả định thử nghiệm này là giả thuyết H0 và giả thuyết H1.
Chúng ta sẽ bác bỏ giả thuyết H0 nếu giá trị p xuất hiện trong kết quả nhỏ hơn mức ý nghĩa xác định trước, thường là 0,05, thì chúng ta bác bỏ giả thuyết H0.
chisq.test(ThuNhap, GioiTinh, correct=FALSE)## Warning in chisq.test(ThuNhap, GioiTinh, correct = FALSE): Chi-squared
## approximation may be incorrect##
## Pearson's Chi-squared test
##
## data: ThuNhap and GioiTinh
## X-squared = 84.78, df = 86, p-value = 0.517