1 BÀI TẬP TUẦN 3

1.1 Mổ tả dữ liệu

Bộ dữ liệu “storms” gồm vị trí và thuộc tính của các cơn bão từ năm 1975-2021. Các cơn bão từ năm 1979 trở đi được đo sáu giờ một lần trong suốt thời gian tồn tại của cơn bão. Các cơn bão trong những năm trước có một số dữ liệu bị thiếu. Bộ dữ liệu với 19.066 quan sát và 13 biến:

Storm Name: Tên cơn bão
Year,month,day: Ngày lập báo cáo
Hour: Giờ báo cáo (theo giờ UTC)
Lat,Long: Vị trí tâm bão
Status: Phân loại bão (Áp thấp nhiệt đới, Bão nhiệt đới hoặc Bão)
Category: Loại bão Saffir-Simpson tính toán từ tốc độ gió. NA: Không phải là một cơn bão 1: 64+ hải lý 2: 83+ hải lý 3: 96+ hải lý 4: 113+ hải lý 5: 137+ hải lý
Wind: tốc độ gió duy trì tối đa của cơn bão (tính bằng hải lý)
Pressure: Áp suất không khí tại tâm bão (tính bằng milibar)
Tropicalstorm_force_diameter:Đường kính (tính bằng hải lý) của khu vực chịu sức gió bão nhiệt đới (34 hải lý trở lên). Chỉ có sẵn bắt đầu từ năm 2004
Hurricane_force_diameter: Đường kính (tính bằng hải lý) của khu vực chịu sức gió bão (64 hải lý trở lên). Chỉ có sẵn bắt đầu từ năm 2004.

1.2 Cấu trúc dữ liệu

Đầu tiên gọi package tidyverse bằng lệnh library

Gọi dataset Storms để hiển thị cấu trúc dữ liệu

Gán tên s gọi chung cho bộ dữ liệu Storms

## tibble [19,066 × 13] (S3: tbl_df/tbl/data.frame)
##  $ name                        : chr [1:19066] "Amy" "Amy" "Amy" "Amy" ...
##  $ year                        : num [1:19066] 1975 1975 1975 1975 1975 ...
##  $ month                       : num [1:19066] 6 6 6 6 6 6 6 6 6 6 ...
##  $ day                         : int [1:19066] 27 27 27 27 28 28 28 28 29 29 ...
##  $ hour                        : num [1:19066] 0 6 12 18 0 6 12 18 0 6 ...
##  $ lat                         : num [1:19066] 27.5 28.5 29.5 30.5 31.5 32.4 33.3 34 34.4 34 ...
##  $ long                        : num [1:19066] -79 -79 -79 -79 -78.8 -78.7 -78 -77 -75.8 -74.8 ...
##  $ status                      : Factor w/ 9 levels "disturbance",..: 7 7 7 7 7 7 7 7 8 8 ...
##  $ category                    : num [1:19066] NA NA NA NA NA NA NA NA NA NA ...
##  $ wind                        : int [1:19066] 25 25 25 25 25 25 25 30 35 40 ...
##  $ pressure                    : int [1:19066] 1013 1013 1013 1013 1012 1012 1011 1006 1004 1002 ...
##  $ tropicalstorm_force_diameter: int [1:19066] NA NA NA NA NA NA NA NA NA NA ...
##  $ hurricane_force_diameter    : int [1:19066] NA NA NA NA NA NA NA NA NA NA ...

Dùng lệnh summary để xem bộ dữ liệu chi tiết

##      name                year          month             day       
##  Length:19066       Min.   :1975   Min.   : 1.000   Min.   : 1.00  
##  Class :character   1st Qu.:1993   1st Qu.: 8.000   1st Qu.: 8.00  
##  Mode  :character   Median :2004   Median : 9.000   Median :16.00  
##                     Mean   :2002   Mean   : 8.699   Mean   :15.78  
##                     3rd Qu.:2012   3rd Qu.: 9.000   3rd Qu.:24.00  
##                     Max.   :2021   Max.   :12.000   Max.   :31.00  
##                                                                    
##       hour             lat             long                         status    
##  Min.   : 0.000   Min.   : 7.00   Min.   :-109.30   tropical storm     :6684  
##  1st Qu.: 5.000   1st Qu.:18.40   1st Qu.: -78.70   hurricane          :4684  
##  Median :12.000   Median :26.60   Median : -62.25   tropical depression:3525  
##  Mean   : 9.094   Mean   :26.99   Mean   : -61.52   extratropical      :2068  
##  3rd Qu.:18.000   3rd Qu.:33.70   3rd Qu.: -45.60   other low          :1405  
##  Max.   :23.000   Max.   :70.70   Max.   :  13.50   subtropical storm  : 292  
##                                                     (Other)            : 408  
##     category          wind           pressure      tropicalstorm_force_diameter
##  Min.   :1.000   Min.   : 10.00   Min.   : 882.0   Min.   :   0.0              
##  1st Qu.:1.000   1st Qu.: 30.00   1st Qu.: 987.0   1st Qu.:   0.0              
##  Median :1.000   Median : 45.00   Median :1000.0   Median : 110.0              
##  Mean   :1.898   Mean   : 50.02   Mean   : 993.6   Mean   : 146.3              
##  3rd Qu.:3.000   3rd Qu.: 65.00   3rd Qu.:1007.0   3rd Qu.: 220.0              
##  Max.   :5.000   Max.   :165.00   Max.   :1024.0   Max.   :1440.0              
##  NA's   :14382                                     NA's   :9512                
##  hurricane_force_diameter
##  Min.   :  0.00          
##  1st Qu.:  0.00          
##  Median :  0.00          
##  Mean   : 14.81          
##  3rd Qu.:  0.00          
##  Max.   :300.00          
##  NA's   :9512

Hiển thị 10 dòng đầu của dữ liệu

## # A tibble: 10 × 13
##    name   year month   day  hour   lat  long status      category  wind pressure
##    <chr> <dbl> <dbl> <int> <dbl> <dbl> <dbl> <fct>          <dbl> <int>    <int>
##  1 Amy    1975     6    27     0  27.5 -79   tropical d…       NA    25     1013
##  2 Amy    1975     6    27     6  28.5 -79   tropical d…       NA    25     1013
##  3 Amy    1975     6    27    12  29.5 -79   tropical d…       NA    25     1013
##  4 Amy    1975     6    27    18  30.5 -79   tropical d…       NA    25     1013
##  5 Amy    1975     6    28     0  31.5 -78.8 tropical d…       NA    25     1012
##  6 Amy    1975     6    28     6  32.4 -78.7 tropical d…       NA    25     1012
##  7 Amy    1975     6    28    12  33.3 -78   tropical d…       NA    25     1011
##  8 Amy    1975     6    28    18  34   -77   tropical d…       NA    30     1006
##  9 Amy    1975     6    29     0  34.4 -75.8 tropical s…       NA    35     1004
## 10 Amy    1975     6    29     6  34   -74.8 tropical s…       NA    40     1002
## # ℹ 2 more variables: tropicalstorm_force_diameter <int>,
## #   hurricane_force_diameter <int>

1.3 Phân Tích dữ liệu

1.3.1 Phân tích

Kết hợp dữ liệu biến status và Wind để tính được mức độ quy mô của cơn bão từ các mức độ

## # A tibble: 9 × 2
##   status                    sum
##   <fct>                   <int>
## 1 disturbance              4275
## 2 extratropical           85650
## 3 hurricane              405860
## 4 other low               35735
## 5 subtropical depression   4030
## 6 subtropical storm       12995
## 7 tropical depression     96762
## 8 tropical storm         305155
## 9 tropical wave            3170

Chúng ta thấy tổng biến wind càng lớn thì tần suất xuất hiện của loại bão đó càng nhiều hoặc mức độ quy mô lớn. Vậy ta thấy rằng “hurricane” có tổng tốc độ gió duy trì tối đa là lớn nhất 405860 (hải lý) và thấp nhất “tropical wave” 3170 (hải lý).

Hiển thị qua biểu đồ

2 BÀI TẬP TUẦN 2

2.1 Mô tả dữ liệu

Dữ liệu từ cuộc khảo sát Trung học và Cao hơn do Bộ Giáo dục thực hiện vào năm 1980, với cuộc khảo sát tiếp theo vào năm 1986. Cuộc khảo sát bao gồm các học sinh từ khoảng 1.100 trường trung học. Một khung dữ liệu chứa 4.739 quan sát trên 14 biến.

2.2 Chú thích

Gender: yếu tố chỉ giới tính.

Ethnicity: yếu tố chỉ ra dân tộc (người Mỹ gốc Phi, gốc Tây Ban Nha hoặc khác).

Score: điểm bài thi tổ hợp năm. Đây là những bài kiểm tra thành tích được đưa ra cho các học sinh trung học phổ thông trong mẫu.

Fcollege: Người cha tốt nghiệp đại học không?

Mcollege: Mẹ có tốt nghiệp đại học không?

Home: Gia đình của họ có sở hữu nhà không?

Urban: Trường có nằm trong khu đô thị không?

Unemp: tỷ lệ thất nghiệp của quận vào năm 1980.

Wage: mức lương theo giờ của tiểu bang trong sản xuất vào năm 1980.

Distance: Tổng khoảng cách đại học 4 năm (trong 16 km).

Tuition: Học phí đại học 4 năm trung bình của tiểu bang (bằng 1000 USD).

Education: số năm học.

Income: Thu nhập gia đình có trên 25.000 USD mỗi năm không?

Region: yếu tố chỉ vùng miền (Tây hay khác).

2.3 Chi tiết

Rouse (1995) đã tính toán số năm học bằng cách ấn định 12 năm cho tất cả các thành viên của lớp cuối cấp. Mỗi năm giáo dục trung học bổ sung được tính là một năm. Sinh viên có bằng nghề được chỉ định 13 năm, bằng AA được chỉ định 14 năm, bằng cử nhân được chỉ định 16 năm, những người có trình độ sau đại học được chỉ định 17 năm và những người có bằng tốt nghiệp được chỉ định 18 năm.

Stock và Watson (2007) cung cấp các tệp dữ liệu riêng biệt cho các sinh viên đến từ các bang miền Tây và các sinh viên còn lại. CollegeDistance bao gồm cả hai tập dữ liệu, các tập hợp con có thể dễ dàng lấy được (xem thêm các ví dụ).

2.4 Phân Tích Dữ Liệu

# Đầu tiên chúng ta lấy dữ liệu từ gói package AER
library(AER)

## Loading required package: car

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:dplyr':
## 
##     recode

## The following object is masked from 'package:purrr':
## 
##     some

## 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: survival

# Tiếp theo lấy dữ  "CollegeDistance" từ package "AER"
data("CollegeDistance")
# Tạo dữ liệu bản sao "t" từ dữ liệu gốc "CollegeDistance"
t <- CollegeDistance
# Xem cấu trúc dữ liệu của dữ liệu "t"
str(t)

## 'data.frame':    4739 obs. of  14 variables:
##  $ gender   : Factor w/ 2 levels "male","female": 1 2 1 1 2 1 2 2 1 2 ...
##  $ ethnicity: Factor w/ 3 levels "other","afam",..: 1 1 1 2 1 1 1 1 1 1 ...
##  $ score    : num  39.2 48.9 48.7 40.4 40.5 ...
##  $ fcollege : Factor w/ 2 levels "no","yes": 2 1 1 1 1 1 1 1 2 1 ...
##  $ mcollege : Factor w/ 2 levels "no","yes": 1 1 1 1 1 1 1 1 1 1 ...
##  $ home     : Factor w/ 2 levels "no","yes": 2 2 2 2 1 2 2 2 2 2 ...
##  $ urban    : Factor w/ 2 levels "no","yes": 2 2 2 2 2 2 1 1 2 2 ...
##  $ unemp    : num  6.2 6.2 6.2 6.2 5.6 ...
##  $ wage     : num  8.09 8.09 8.09 8.09 8.09 ...
##  $ distance : num  0.2 0.2 0.2 0.2 0.4 ...
##  $ tuition  : num  0.889 0.889 0.889 0.889 0.889 ...
##  $ education: num  12 12 12 12 13 12 13 15 13 15 ...
##  $ income   : Factor w/ 2 levels "low","high": 2 1 1 1 1 1 1 1 1 1 ...
##  $ region   : Factor w/ 2 levels "other","west": 1 1 1 1 1 1 1 1 1 1 ...
##  - attr(*, "datalabel")= chr ""
##  - attr(*, "time.stamp")= chr "25 Oct 2002 16:44"
##  - attr(*, "formats")= chr [1:14] "%9.0g" "%9.0g" "%9.0g" "%9.0g" ...
##  - attr(*, "types")= int [1:14] 102 102 102 102 102 102 102 102 102 102 ...
##  - attr(*, "val.labels")= chr [1:14] "" "" "" "" ...
##  - attr(*, "var.labels")= chr [1:14] "" "" "" "" ...
##  - attr(*, "version")= int 6
##  - attr(*, "label.table")=List of 14
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL
##   ..$ : NULL

# Phân tích biến "gender"(giới tính):
## Tóm tắt như sau:
summary(t$gender)

##   male female 
##   2139   2600

## Tỉ lệ nam nữ như sau:
prop.table(table(t$gender))

## 
##     male   female 
## 0.451361 0.548639

## Ta thấy tỉ lệ chiếm nam 45% và nữ chiếm 55%

# Phân tích biến "ethnicity" (dân tộc): chú thích "afam" người Mỹ gốc phi,"hispain" người Mỹ gốc Tây Ban Nha và "other" là người Mỹ gốc khác.
# Tỷ lệ của biến "ethnicity":
prop.table(table(t$ethnicity))

## 
##     other      afam  hispanic 
## 0.6435957 0.1658578 0.1905465

# Ta thấy được "hispain" người Mỹ gốc Tây Ban Nha chiếm tỷ lệ cao nhất 19%, "afam" người Mỹ gốc phi là 16.6% và người Mỹ gốc khác chiếm 64.4%
# Hiển thị theo biểu đồ:
plot(t$ethnicity)

# Phân tích biến "score"(điểm số):
summary(t$score)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   28.95   43.92   51.19   50.89   57.77   72.81

#chú thích
##Min: điểm số thấp nhất là 28.95
##Max: điểm số cao nhất là 72.81
##Median: điểm số trung bình là 51.19
##1st Qu.: là tứ phân vị thứ nhất nghĩa là có 25% số điểm dưới 43.92
##3rd Qu.: là tứ phân vị thứ ba nghĩa là có 75% số điểm dưới 57.77

# Các nhóm thang điểm của biến "score" như sau:
t$rank <- cut(t$score,breaks = c(0,40,55,70,85,100),labels = c("F","D","C","B","A"))
# Lập bảng tần số của biến "rank":
table(t$rank)

## 
##    F    D    C    B    A 
##  615 2454 1663    7    0

# Tính tỷ lệ của biến "rank":
prop.table(table(t$rank))

## 
##           F           D           C           B           A 
## 0.129774214 0.517830766 0.350917915 0.001477105 0.000000000

# Ta thấy thang điểm "D" chiếm tỷ trọng lớn nhất là 51.8%, theo sao thang điểm "C" chiếm 35.1%, "F" chiếm 13% và thang điểm "B" thấp nhất là 0.1%
# Hiển thị qua biểu đồ:
plot(t$rank)

# Tỷ lệ người cha có bằng đại học:
prop.table(table(t$fcollege))

## 
##        no       yes 
## 0.7919392 0.2080608

# Tỷ lệ người cha có bằng đại khá thấp chiếm khoảng 21% và không có bằng đại học là 79%
# Tỷ lệ người mẹ có bằng đại học:
prop.table(table(t$mcollege))

## 
##        no       yes 
## 0.8626292 0.1373708

# Tỷ lệ người mẹ có bằng đại khá thấp chiếm khoảng 13.7% và không có bằng đại học là 86.3%
# xét qua biến "incom" có bị ảnh hưởng bởi bằng đại học:
table(t$income)

## 
##  low high 
## 3374 1365

prop.table(table(t$income))

## 
##       low      high 
## 0.7119645 0.2880355

# Tỷ lệ của người thu nhập cao chiếm khoảng 28.8% và người thu nhập thấp chiếm 71.2%
plot(t$income)

#phân tích biến "education" :
summary(t$education)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   12.00   12.00   13.00   13.81   16.00   18.00

# Gọi t$eyear là nhóm bậc các năm học "education":
t$eyear <- cut(t$education,breaks = c(12,14,16,18),labels = c("HThấp","HVừa","HCao"))
# Tính tỷ lệ của các nhóm bậc "t$eyear":
prop.table(table(t$eyear))

## 
##     HThấp      HVừa      HCao 
## 0.3890609 0.5032680 0.1076711

#Nhóm HThấp: 38.9%
#Nhóm HVừa: 50.3%
#Nhóm HCao:10.8%

3 BÀI TẬP TUẦN 1

3.1 Mô tả dữ liệu

Dữ liệu cắt ngang từ cuộc khảo sát Trung học và Cao hơn do Bộ Giáo dục thực hiện vào năm 1980, với cuộc khảo sát tiếp theo vào năm 1986. Cuộc khảo sát bao gồm các học sinh từ khoảng 1.100 trường trung học. Một khung dữ liệu chứa 4.739 quan sát trên 14 biến.

3.2 Chú Thích