btvntuan1
TKVY
2023-06-01
1 BÀI TẬP TUẦN 4
1.1 NHẬP DỮ LIỆU
Số liệu của Y (chi tiêu tiêu dùng cá nhân) và X (tổng sản phẩm quốc nội) trong các năm 1980-1991 của Hoa kỳ cho trong bảng sau: (đơn vị tính là tỉ đô la năm 1987)
1.1.1 Nhập dữ liệu thủ công
nam <- c(1980, 1981, 1982, 1983, 1984, 1985, 1986, 1987, 1988, 1989, 1990, 1991 )
tongspquocnoi <- c( 3776.3, 3843.1, 3760.3, 3906.6, 4148.5, 4279.8, 4404.5, 4539.9, 4718.6, 4838, 4877.5, 4821 )
chitieutdcanhan <- c( 2447.1, 2476.9, 2503.7, 2619.4, 2746.1, 2865.8, 2969.1, 3052.2, 3162.4, 3223.3, 3260.4, 4821 )
xyz <- data.frame( nam, tongspquocnoi , chitieutdcanhan )
head(xyz, 5)## nam tongspquocnoi chitieutdcanhan
## 1 1980 3776 2447
## 2 1981 3843 2477
## 3 1982 3760 2504
## 4 1983 3907 2619
## 5 1984 4148 27461.1.2 Trang tính Excel
Để chèn dữ liệu từ file Excel, ta sử dụng package “readxl”
library("readxl")- Chúng ta đang có 1 file Excel Hoiquy1.xlsx có sẵn trong ổ đĩa C:/, đọc dữ liệu như sau:
hoiquy1 <- read_excel("C:/Users/asus/Downloads/Hoiquy1.xlsx", sheet="Sheet1")
View(hoiquy1)1.2 TRỰC QUAN HÓA DỮ LIỆU & GGPLOT2
1.2.1 Mô tả dữ liệu
Một khung dữ liệu với 100 quan sát trên 3 biến sau
Expt Số thí nghiệm, từ 1 đến 5
Run Số lần chạy trong mỗi thử nghiệm
Speed Đo tốc độ ánh sáng
data("morley")
head(morley,5)## Expt Run Speed
## 001 1 1 850
## 002 1 2 740
## 003 1 3 900
## 004 1 4 1070
## 005 1 5 9301.2.2 Đồ thị dạng scatter
1.2.2.1 Với đataset morley ta vẽ được đồ thị scatter như sau
morley |> ggplot(map = aes(x = Run, y = Speed)) + geom_point(color="red") + xlab("Run") + ylab("Speed") + labs(title = 'Đồ thị scatter thể hiện mối liên hệ giữa biến Run và Speed')
Vẽ thêm đường hồi quy tương ứng với đồ thị biểu thị mối liên hệ run và
speed .
morley |> ggplot(map = aes(x = Run, y = Speed)) + geom_point(color="red") + xlab("Run") + ylab("Speed") +
geom_smooth(formula = y ~ x, method = 'lm', color = 'black') +
labs(title="Biểu đồ thể hiện sự tương quan ")
Chúng ta cũng có thể nối các điểm trong đồ thị dạng scatter lại với
nhau.
morley |> ggplot(aes(x = Run, y = Speed)) +
geom_point(color = 'blue') +
geom_line(color = 'red')
2 Đồ thị dạng cột
data("SportsCards")- Đồ thị dạng cột 1 biến Đồ thì dạng cột cho biến card
SportsCards |> ggplot(aes(x = gender )) + geom_bar(fill = 'blue')
Thay vì trên các trục thể hiện bằng số đếm thì chúng ta có thể thì chúng
ta sẽ thể hiện bằng tỉ lệ % như sau:
SportsCards |> group_by(gender) |>
summarise(n = n()) |> mutate(pG = percent(n/sum(n),accuracy = ,01)) |> ggplot(aes(x =gender , y =pG)) +
geom_col(fill = 'blue') + theme_classic() + labs(x = 'Tần số', y = 'Tỷ lệ %')
Chúng ta có thể ghi chú tỷ lệ % hoặc số đếm lên đỉnh mỗi cột như
sau:
SportsCards |> ggplot(aes(x = gender, y = after_stat(count))) + geom_bar(fill = 'blue') + geom_text(aes(label = scales::percent(after_stat(count/sum(count)))), stat = 'count', color = 'red', vjust = - 0.5) + theme_classic() + labs(x = 'Nam/Nữ', y = 'Tần số')
Ngoài việc tính tỷ lệ % và đếm số người theo giới tính chúng ta có thể phân chia đồ thị theo một một số tiêu chí (biến) khác để phân tích. Ví dụ chúng ta phân chia theo biến : Majorcards
SportsCards |> ggplot(aes(x = gender, y = after_stat(count))) +
geom_bar(fill = 'blue') +
geom_text(aes(label = scales::percent(after_stat(count/sum(count)))), stat = 'count', color = 'red', vjust = - .5) + facet_grid(. ~ income) +
theme_classic() +
labs(x = 'Khoảng thu nhập theo giới tính', y = 'tần số')
- Hoặc phân chia theo biến education
SportsCards|> count(education) |>
mutate(pC = percent(n/sum(n),accuracy = 0.01)) |>
ggplot(aes(x = education , y = n)) +
geom_col(fill = 'blue') +
geom_text(aes(label = pC),color = 'yellow', vjust = 2, size = 5) +
ylab('Tần số') +
xlab('Trình độ giáo dục ')
Với biểu đồ như trên chúng ta có thể quay ngang như sau:
SportsCards|> count(education) |>
mutate(pC = percent(n/sum(n),accuracy = 0.01)) |>
ggplot(aes(x = education , y = n)) +
geom_col(fill = 'blue') +
geom_text(aes(label = pC),color = 'yellow', vjust = 2, size = 5) +
ylab('Tần số') +
xlab('Trình độ giáo dục ')+
coord_flip()
Chúng ta cũng có thể vẽ đồ thi dạng cột theo biến education nhưng đồng thời chúng ta sẽ phân đồ thì này thành 2 nhóm theo biến card như sau:
SportsCards |> ggplot(aes(x = education, y = after_stat(count),fill = gender )) +
geom_bar(position = 'dodge') +
ylab('Tần số ') +
xlab('Trình độ giáo dục')
Với dạng đồ thị như trên thay vì để 2 cột cạnh nhau, chúng ta có thể chồng nó lên nhau như sau để dễ phân tích hơn.
SportsCards |> ggplot(aes(x = education)) + geom_bar(aes(y = after_stat(count), fill = gender ), stat = 'count') +
ylab('Tần số ') +
xlab('Trình độ giáo dục')
Tương tự như trường hợp ở trên, chúng ta cũng có thể thêm ghi chú và đồ thị để người đọc dễ so sánh như sau:
SportsCards |> count( education , gender ) |>
group_by(education) |>
mutate(pH = n/sum(n)) |>
ggplot(aes(x = education , y = n, fill = gender)) +
geom_col() +
geom_text(aes(label = percent(pH, accuracy = .01)), position = position_stack(vjust = 0.5 ), size = 3) +
ylab('Tần số ') +
xlab('Trình độ học vấn')
2.0.1 Đồ thị dạng tròn
BangThuNhap2 <- cut(income, breaks = c(5, 10, 20, 40, 56), labels = c("thap", "trungbinh", "trungbinhcao","cao"), right = TRUE)
tabThuNhap2 = table(BangThuNhap2)
pie(tabThuNhap2, main = "Biểu đồ tròn của biến Thu Nhập")
2.1 PHÂN TÍCH HỒI QUY ĐƠN
2.1.1 Dữ liệu từ file Excel Hoiquydon.xlsx
2.1.1.1 Mô tả dữ liệu:
Số liệu của Y (chi tiêu tiêu dùng cá nhân) và X (tổng sản phẩm quốc nội) trong các năm 1980-1991 của Hoa kỳ cho như sau: (đơn vị tính là tỉ đô la năm 1987)
hoiquy1 <- read_excel("C:/Users/asus/Downloads/Hoiquy1.xlsx", sheet="Sheet1")
head(hoiquy1,3)## # A tibble: 2 × 13
## nam `1980` `1981` `1982` `1983` `1984` `1985` `1986` `1987` `1988` `1989`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 tongspq… 3776. 3843. 3760. 3907. 4148. 4280. 4404. 4540. 4719. 4838
## 2 chitieu… 2447. 2477. 2504. 2619. 2746. 2866. 2969. 3052. 3162. 3223.
## # ℹ 2 more variables: `1990` <dbl>, `1991` <dbl>2.1.1.2 Các hệ số tương quan tuyến tính
2.1.1.2.1 Hệ số tương quan là gì
- Hệ số tương quan (r) là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số, như giữa độ tuổi (x) và cholesterol (y). Hệ số tương quan có giá trị từ -1 đến
- Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm (r <0) có nghĩa là khi x tăng cao thì y giảm (và ngược lại, khi x giảm thì y tăng); nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng giảm theo
2.1.1.2.2 Hệ số tương quan Person
- Hệ số tương quan Pearson còn được gọi là hệ số Pearson (Pearson Correlation Coefficient) trong thống kê được định nghĩa là thước đo mối quan hệ thống kê giữa hai biến và sự liên kết của chúng với nhau
cor.test(tongspquocnoi, chitieutdcanhan)##
## Pearson's product-moment correlation
##
## data: tongspquocnoi and chitieutdcanhan
## t = 3.5, df = 10, p-value = 0.006
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.2960 0.9234
## sample estimates:
## cor
## 0.7436Kết luận: ta có p-value < alpha nên hai biến tổng sản phẩm quốc nội và chi tiêu tiêu dùng cá nhân có quan hệ tương quan tuyến tính với nhau
2.1.1.2.3 Hệ số tương quan Spearman
Ý nghĩa: Hệ số tương quan Pearson chỉ hợp lí nếu biến số x và y tuân theo luật phân phối chuẩn. Nếu x và y không tuân theo luật phân phối chuẩn, chúng ta phải sử dụng một hệ số tương quan khác tên là Spearman, một phương pháp phân tích phi tham số. Hệ số này được ước tính bằng cách biến đổi hai biến số x và y thành thứ bậc (rank), và xem độ tương quan giữa hai dãy số bậc. Do đó, hệ số còn có tên tiếng Anh là Spearman’s Rank correlation
Giả sử tổng sản phẩm quốc nội và chi tiêu tiêu dùng cá nhân không có phân phối chuẩn, ta có:
cor.test(tongspquocnoi, chitieutdcanhan, method="spearman") ##
## Spearman's rank correlation rho
##
## data: tongspquocnoi and chitieutdcanhan
## S = 12, p-value <2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.958Kết luận: ta có p-value < alpha nên hai biến tổng sản phẩm quốc nội và chi tiêu tiêu dùng cá nhân có quan hệ tương quan tuyến tính với nhau
2.1.1.2.4 Hệ số tương quan Kendall
Ý nghĩa: Hệ số tương quan Kendall (cũng là một phương pháp phân tích phi tham số) được ước tính bằng cách tìm các cặp số (x, y) “song hành” với nhau. Một cặp (x, y) song hành ở đây được định nghĩa là hiệu (độ khác biệt) trên trục hoành có cùng dấu hiệu (dương hay âm) với hiệu trên trục tung. Nếu hai biến số x và y không có liên hệ với nhau, thì số cặp song hành bằng hay tương đương với số cặp không song hành.
cor.test(tongspquocnoi, chitieutdcanhan, method="kendall")##
## Kendall's rank correlation tau
##
## data: tongspquocnoi and chitieutdcanhan
## T = 62, p-value = 5e-06
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
## tau
## 0.8788Kết luận: ta có p-value < alpha nên hai biến tổng sản phẩm quốc nội và chi tiêu tiêu dùng cá nhân có quan hệ tương quan tuyến tính với nhau
2.1.1.3 Hồi quy tuyến tính đơn biến
2.1.1.3.1 Viết hàm hồi quy tuyến tính mẫu SRF
Hàm lm (viết tắt từ linear model) trong R có thể tính toán các giá trị của α và β trong mô hình hồi quy đơn: α + β.X
lm(tongspquocnoi ~ chitieutdcanhan)##
## Call:
## lm(formula = tongspquocnoi ~ chitieutdcanhan)
##
## Coefficients:
## (Intercept) chitieutdcanhan
## 2805.006 0.505Kết quả: như vậy mô hình hồi quy đơn có dạng là: SRF= 2805.006 + 0.505β
2.1.1.3.2 Kiểm định các giả thuyết
Trước tiên ta lập bảng thống kê hồi quy để lấy các kết quả kiểm định:
reg <- lm(tongspquocnoi ~ chitieutdcanhan)
summary(reg)##
## Call:
## lm(formula = tongspquocnoi ~ chitieutdcanhan)
##
## Residuals:
## Min 1Q Median 3Q Max
## -418.6 -232.0 -7.8 224.3 426.0
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2805.006 441.416 6.35 8.3e-05 ***
## chitieutdcanhan 0.505 0.144 3.52 0.0056 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 305 on 10 degrees of freedom
## Multiple R-squared: 0.553, Adjusted R-squared: 0.508
## F-statistic: 12.4 on 1 and 10 DF, p-value: 0.00557Kiểm định sự phù hợp mô hình: ta có F= 12.4>C nên mô hình trên là phù hợp
2.1.1.3.3 Dự báo mô hình hồi quy đơn
Ta dự đoán mức phân bón bằng 50 vào hàm SRF-hồi quy tuyến tính mẫu, SRF= 2805.006 + 0.505β
ketqua <- 2805.006 + 0.505*50
ketqua## [1] 2830Vậy kết quả khi X=50 thì chi tiêu tiêu dùng cá nhân sẽ là 2830 tỉ USD
3 BÀI TẬP TUẦN 3
3.0.1 Tạo 1 data.fram mới để thực hành hàm Pivot_longer
3.0.1.1 Tạo data.fram
df <- data.frame(player=c('A', 'B', 'C', 'D', "E", "F"),
year1=c(13, 15, 19, 19, 20 ,21),
year2=c(22, 29, 18, 12, 13, 16))
df## player year1 year2
## 1 A 13 22
## 2 B 15 29
## 3 C 19 18
## 4 D 19 12
## 5 E 20 13
## 6 F 21 163.0.1.2 Định dạng dữ liệu từ “ngang-sang-dọc”
df %>% pivot_longer(cols=c('year1', 'year2'),
names_to='year',
values_to='points')## # A tibble: 12 × 3
## player year points
## <chr> <chr> <dbl>
## 1 A year1 13
## 2 A year2 22
## 3 B year1 15
## 4 B year2 29
## 5 C year1 19
## 6 C year2 18
## 7 D year1 19
## 8 D year2 12
## 9 E year1 20
## 10 E year2 13
## 11 F year1 21
## 12 F year2 163.0.2 Pivot_longer với dataset “billboard”
3.0.2.1 Gọi dữ liệu
data("billboard")
bi <- billboard3.0.2.2 Định dạng dữ liệu từ ngang sang dọc
dy <- bi |> pivot_longer(cols=starts_with("wk"), names_to="tuần", values_to="hạng")
head(dy, 5)## # A tibble: 5 × 5
## artist track date.entered tuần hạng
## <chr> <chr> <date> <chr> <dbl>
## 1 2 Pac Baby Don't Cry (Keep... 2000-02-26 wk1 87
## 2 2 Pac Baby Don't Cry (Keep... 2000-02-26 wk2 82
## 3 2 Pac Baby Don't Cry (Keep... 2000-02-26 wk3 72
## 4 2 Pac Baby Don't Cry (Keep... 2000-02-26 wk4 77
## 5 2 Pac Baby Don't Cry (Keep... 2000-02-26 wk5 873.0.3 Hàm pivot_wider
3.0.3.1 Định dạng dữ liệu dọc sang sang ngang từ dữ liệu billboard
dx <- dy |> pivot_wider(names_from="tuần", values_from="hạng")
head(dx, 5)## # A tibble: 5 × 79
## artist track date.entered wk1 wk2 wk3 wk4 wk5 wk6 wk7 wk8
## <chr> <chr> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2 Pac Baby… 2000-02-26 87 82 72 77 87 94 99 NA
## 2 2Ge+her The … 2000-09-02 91 87 92 NA NA NA NA NA
## 3 3 Doors Do… Kryp… 2000-04-08 81 70 68 67 66 57 54 53
## 4 3 Doors Do… Loser 2000-10-21 76 76 72 69 67 65 55 59
## 5 504 Boyz Wobb… 2000-04-15 57 34 25 17 17 31 36 49
## # ℹ 68 more variables: wk9 <dbl>, wk10 <dbl>, wk11 <dbl>, wk12 <dbl>,
## # wk13 <dbl>, wk14 <dbl>, wk15 <dbl>, wk16 <dbl>, wk17 <dbl>, wk18 <dbl>,
## # wk19 <dbl>, wk20 <dbl>, wk21 <dbl>, wk22 <dbl>, wk23 <dbl>, wk24 <dbl>,
## # wk25 <dbl>, wk26 <dbl>, wk27 <dbl>, wk28 <dbl>, wk29 <dbl>, wk30 <dbl>,
## # wk31 <dbl>, wk32 <dbl>, wk33 <dbl>, wk34 <dbl>, wk35 <dbl>, wk36 <dbl>,
## # wk37 <dbl>, wk38 <dbl>, wk39 <dbl>, wk40 <dbl>, wk41 <dbl>, wk42 <dbl>,
## # wk43 <dbl>, wk44 <dbl>, wk45 <dbl>, wk46 <dbl>, wk47 <dbl>, wk48 <dbl>, …3.1 Biên tập dữ liệu
3.1.1 Tách rời dữ liệu
3.1.1.1 - Chỉ riêng các trường tại Los Angeles
LA <- subset(CASchools, county=="Los Angeles")
head(LA,5)## district school county grades students teachers
## 19 64709 Lennox Elementary Los Angeles KK-08 6880 303.0
## 33 64816 Mountain View Elementary Los Angeles KK-08 10012 464.9
## 36 64758 Los Nietos Elementary Los Angeles KK-08 2267 103.7
## 46 65078 Valle Lindo Elementary Los Angeles KK-08 1235 53.0
## 51 64592 Hawthorne Elementary Los Angeles KK-08 8935 444.5
## calworks lunch computer expenditure income english read math
## 19 21.282 94.97 960 5065 7.022 77.01 619.1 620.5
## 33 29.764 91.59 721 5036 8.127 65.12 620.8 629.8
## 36 19.152 84.43 177 5272 11.333 35.47 625.4 628.2
## 46 8.218 62.13 175 4360 7.332 30.28 630.2 629.4
## 51 36.945 79.51 786 5017 14.062 44.09 628.4 633.73.1.1.2 - Chỉ riêng các trường có số học sinh trên 1000
Tren1000 <- subset(CASchools, students>1000)
head(Tren1000,5)## district school county grades students teachers
## 3 61549 Thermalito Union Elementary Butte KK-08 1550 82.9
## 5 61523 Palermo Union Elementary Butte KK-08 1335 71.5
## 10 67306 Del Paso Heights Elementary Sacramento KK-06 2247 108.0
## 19 64709 Lennox Elementary Los Angeles KK-08 6880 303.0
## 20 63560 Lamont Elementary Kern KK-08 2688 135.0
## calworks lunch computer expenditure income english read math
## 3 55.03 76.32 169 5502 8.978 30.00 636.3 650.9
## 5 33.11 78.43 171 5236 9.080 13.86 641.8 639.9
## 10 78.99 87.32 0 5036 11.613 40.28 611.9 613.4
## 19 21.28 94.97 960 5065 7.022 77.01 619.1 620.5
## 20 23.44 93.23 139 5434 5.699 49.81 621.3 619.33.1.1.3 - Chỉ riêng những trường có số học sinh trên 1000 tại Los Angeles
SD <- subset(CASchools, students>1000 & county=="Los Angeles")
head(SD,10)## district school county grades students teachers
## 19 64709 Lennox Elementary Los Angeles KK-08 6880 303.0
## 33 64816 Mountain View Elementary Los Angeles KK-08 10012 464.9
## 36 64758 Los Nietos Elementary Los Angeles KK-08 2267 103.7
## 46 65078 Valle Lindo Elementary Los Angeles KK-08 1235 53.0
## 51 64592 Hawthorne Elementary Los Angeles KK-08 8935 444.5
## 55 65110 Whittier City Elementary Los Angeles KK-08 7151 318.6
## 56 64477 Eastside Union Elementary Los Angeles KK-08 2404 105.0
## 57 64691 Lawndale Elementary Los Angeles KK-08 5804 283.1
## 67 65037 South Whittier Elementary Los Angeles KK-08 4340 209.8
## 72 64642 Keppel Union Elementary Los Angeles KK-08 2987 141.2
## calworks lunch computer expenditure income english read math
## 19 21.282 94.97 960 5065 7.022 77.01 619.1 620.5
## 33 29.764 91.59 721 5036 8.127 65.12 620.8 629.8
## 36 19.152 84.43 177 5272 11.333 35.47 625.4 628.2
## 46 8.218 62.13 175 4360 7.332 30.28 630.2 629.4
## 51 36.945 79.51 786 5017 14.062 44.09 628.4 633.7
## 55 18.548 61.74 560 5245 15.404 31.07 634.2 629.7
## 56 20.927 52.94 202 4838 13.762 18.26 633.5 630.5
## 57 28.343 81.12 480 5368 14.184 34.70 631.4 633.0
## 67 17.703 93.92 284 5182 14.602 31.20 631.9 636.2
## 72 21.259 68.40 273 4827 13.731 14.43 637.7 631.13.1.2 Chiết số liệu từ 1 data.frame
3.1.2.1 Chỉ lấy biến Truong, Thanhpho, Hocsinh
data235 <- S[, c(2,3,5)]
head(data235,5)## Truong Thanhpho Hocsinh
## 1 Sunol Glen Unified Alameda 195
## 2 Manzanita Elementary Butte 240
## 3 Thermalito Union Elementary Butte 1550
## 4 Golden Feather Union Elementary Butte 243
## 5 Palermo Union Elementary Butte 13353.1.3 Bổ sung dữ liệu mới
Hocsinhmoi <- (Hocsinh + Giaovien)
Maytinhmoi <- (CO+2)3.2 Các hàm phân phối nhị phân và phân phối poisson
3.2.1 Hàm phân phối nhị phân
Bangdiemx <- cut(M, breaks = c(0, 650, 1000), labels = c("dưới 650 điểm" , "trên 650 điểm"), right = TRUE)
tabdiemx=table(Bangdiemx)
tabdiemx## Bangdiemx
## dưới 650 điểm trên 650 điểm
## 191 229- Ý nghĩa: Biết rằng trong một quần thể quan sát có khoảng 191/420 người dưới 650; nếu chúng ta tiến hành chọn mẫu 1000 lần, mỗi lần chọn 20 người trong quần thể đó một cách ngẫu nhiên, sự phân phối đó sẽ như thế nào?
b <- rbinom(1000, 20, 191/420)
table(b)## b
## 2 3 4 5 6 7 8 9 10 11 12 13 14 15 17
## 1 4 16 29 77 103 155 172 174 126 72 43 18 9 1- => Đồ thị thể hiện:
hist(b, main="Phân phối nhị phân của biến điểm toán") 
3.3 Biểu diễn số liệu bằng đồ thị
3.3.1 Biểu đồ cột
3.3.1.1 Biểu đồ biến THu nhập
BangThuNhap2 <- cut(income, breaks = c(5, 10, 20, 40, 56), labels = c("thap", "trungbinh", "trungbinhcao","cao"), right = TRUE)
tabThuNhap2 = table(BangThuNhap2)
barplot(tabThuNhap2, main= "Biểu đồ biến thu nhập")
### Biểu đồ Strip
stripchart(I, main= "Biểu đồ Strip của biến Thu Nhập", xlab = "Thu Nhập")
stripchart(Hocsinh, main= "Biểu đồ Strip của số học sinh", xlab = "Học sinh")
3.3.2 Biểu đồ cột cho 2 biến
3.3.2.1 + Chú thích: màu đen -> màu xám trắng: thu nhập thấp -> cao
tabTND = table(BangThuNhap2, Bangdiemx)
barplot(tabTND, beside=TRUE, xlab="Độ tuổi", ylab= "Tần số")
3.3.3 Biểu đồ tròn
pie(tabThuNhap2, main = "Biểu đồ tròn của biến Thu Nhập")
pie(tabdiemx, main = "Biểu đồ tròn của biến điểm Toán" )
3.3.4 Biểu đồ tán xạ của Biến Thu Nhập và Số Học sinh
plot(income,Hocsinh)
4 BÀI TẬP TUẦN 2
Phân tích dữ liệu chéo của biến định lượng “students” của dataset: “CASchool” lên biến định lượng “income” thuộc package “AER” ## Mô tả dữ liệu - Biến định lượng Income - Biến định lượng Students ## Đánh giá dữ liệu
library(AER)
data("CASchools")
### Tạo dữ liệu bản sau “S” từ “CASchools"
S <- CASchools
### Đặt lại tên cho các thuộc tính
names(S) <- c("D","SC","C","G","ST","T","CA","L","CO","E","I","EN","R","M")4.1 Biến income
4.1.1 Trung bình
mean(S$I)## [1] 15.324.1.2 Trung vị
median(S$I, na.rm = FALSE)## [1] 13.734.1.3 Phương sai
var(S$I)## [1] 52.214.1.4 Tính tổng
sum(S$I)## [1] 64334.1.5 Độ lệch chuẩn
sd(S$I)## [1] 7.2264.2 Biến student
4.2.1 Trung bình
mean(S$ST)## [1] 26294.2.2 Trung vị
median(S$ST, na.rm = FALSE)## [1] 950.54.2.3 Độ lệch chuẩn
sd(S$ST)## [1] 39134.2.4 Phương sai
var(S$ST)## [1] 153123914.2.5 Tính tổng
sum(S$ST)## [1] 11040934.3 LẬP BẢNG TẦN SỐ
4.3.1 Biến Thu nhập (income)
4.3.1.1 Lập bảng tần số của biến thu nhập (income) như sau:
I <- S$I
BangI <- cut(I, breaks = c(5, 15, 25, 35, 50 ), labels = c("thấp", "trung bình" , "trung bình cao", "rất cao"), right = TRUE)
tabincome= table(BangI)
tabincome## BangI
## thấp trung bình trung bình cao rất cao
## 255 132 17 144.3.1.2 Nhận xét: Dựa vào bảng tần số ta có thể thấy mức thu nhập Thấp chiếm tỷ lệ rất cao và ngược lại mức thu nhập Rất Cao lại chiếm tỷ lệ thấp nhất.
4.3.2 Lập bảng tần số cho biến Students
ST <- S$ST
BangST <- cut(ST, breaks = c(200,400,600,1000), labels = c("Ít", "Vừa", "Đông"), right = TRUE)
tabde=table(BangST)
tabde## BangST
## Ít Vừa Đông
## 52 61 464.4 Phân tích sự tác động giữa 2 biến định lượng
tabearnde = table(BangI, BangST)
tabearnde## BangST
## BangI Ít Vừa Đông
## thấp 36 46 26
## trung bình 15 13 15
## trung bình cao 0 0 3
## rất cao 1 2 14.5 Kiểm định chi bình phương (chi-squared):
4.5.1 Trong kiểm định này, chúng ta phải kiểm tra các giá trị p-value và đặt ra bài toán kiểm định gồm có giả thuyết H0 và H1.
4.5.2 Chúng ta sẽ bác bỏ giả thuyết H0 nếu giá trị p-value xuất hiện trong kết quả nhỏ hơn mức ý nghĩa xác định trước, mức ý nghĩa thường là 0,05.
4.5.2.1 H0: Hai biến độc lập
4.5.2.2 H1: Hai biến phụ thuộc
chisq.test(I, ST, correct=FALSE)## Warning in chisq.test(I, ST, correct = FALSE): Chi-squared approximation may be
## incorrect##
## Pearson's Chi-squared test
##
## data: I and ST
## X-squared = 131671, df = 131040, p-value = 0.14.5.3 Vì giá trị p-value=0.1089 nhỏ hơn mức ý nghĩa nên bác bỏ H0.
4.5.4 Kết luận: Giữa 2 biến có sự liên quan đến nhau hay nói cách khác đây là hai biến phụ thuộc.
5 BÀI TẬP TUẦN 1
5.1 Mô tả dữ liệu
Một khung dữ liệu chứa 420 quan sát trên 14 biến.
district: Mã huyện
school: Tên trường
county: Thành phố
grades: nhân tố biểu thị nhịp độ của huyện.
students: tổng Số học sinh ghi danh
teachers: Số giáo viên
calworks: Phần trăm đủ điều kiện cho hỗ trợ thu nhập
lunch: phần trăm đủ điều kiện cho bữa ăn trưa giảm giá
computer: Số lượng máy tính
expenditure: Chi tiêu cho mỗi sinh viên
income: thu nhập bình quân của huyện (tính theo USD 1.000)
english: tỷ lệ người học tiếng Anh
read: Điểm đọc trung bình
math: Điểm toán trung bình
5.2 Xử lý dữ liệu
5.2.1 Khai báo sử dụng package “AER” từ thư viện và sử dụng tập dữ liệu “CASchool”
library(AER)data("CASchools")
### Tạo dữ liệu bản sau “S” từ “CASchools""
S <- CASchools
### Đặt lại tên cho các thuộc tính
names(S) <- c("D","SC","C","G","ST","T","CA","L","CO","E","I","EN","R","M")
### Xem cấu trúc dữ liệu “CASchools”
str(CASchools)## 'data.frame': 420 obs. of 14 variables:
## $ district : chr "75119" "61499" "61549" "61457" ...
## $ school : chr "Sunol Glen Unified" "Manzanita Elementary" "Thermalito Union Elementary" "Golden Feather Union Elementary" ...
## $ county : Factor w/ 45 levels "Alameda","Butte",..: 1 2 2 2 2 6 29 11 6 25 ...
## $ grades : Factor w/ 2 levels "KK-06","KK-08": 2 2 2 2 2 2 2 2 2 1 ...
## $ students : num 195 240 1550 243 1335 ...
## $ teachers : num 10.9 11.1 82.9 14 71.5 ...
## $ calworks : num 0.51 15.42 55.03 36.48 33.11 ...
## $ lunch : num 2.04 47.92 76.32 77.05 78.43 ...
## $ computer : num 67 101 169 85 171 25 28 66 35 0 ...
## $ expenditure: num 6385 5099 5502 7102 5236 ...
## $ income : num 22.69 9.82 8.98 8.98 9.08 ...
## $ english : num 0 4.58 30 0 13.86 ...
## $ read : num 692 660 636 652 642 ...
## $ math : num 690 662 651 644 640 ...5.2.2 Xem thử 6 dòng đầu của dữ liệu “S”
head(S)## D SC C G ST T CA L
## 1 75119 Sunol Glen Unified Alameda KK-08 195 10.90 0.5102 2.041
## 2 61499 Manzanita Elementary Butte KK-08 240 11.15 15.4167 47.917
## 3 61549 Thermalito Union Elementary Butte KK-08 1550 82.90 55.0323 76.323
## 4 61457 Golden Feather Union Elementary Butte KK-08 243 14.00 36.4754 77.049
## 5 61523 Palermo Union Elementary Butte KK-08 1335 71.50 33.1086 78.427
## 6 62042 Burrel Union Elementary Fresno KK-08 137 6.40 12.3188 86.956
## CO E I EN R M
## 1 67 6385 22.690 0.000 691.6 690.0
## 2 101 5099 9.824 4.583 660.5 661.9
## 3 169 5502 8.978 30.000 636.3 650.9
## 4 85 7102 8.978 0.000 651.9 643.5
## 5 171 5236 9.080 13.858 641.8 639.9
## 6 25 5580 10.415 12.409 605.7 605.4### Lấy biến C của dữ liệu S làm dữ liệu mới
tea <- S$T
### Lấy dữ liệu có điều kiện
tea20 <- tea[tea<20]
tea20den80 <- tea[tea>20&tea<80]
### Xem dòng 3 của dữ liệu tea
tea[3]## [1] 82.9### Lấy dữ liệu khi biến E>6000 hoặc biến I<10
teavv <- S[S$E>6000|S$I<10,]
### Thêm 2 biến
S$logEN <- log(S$EN)
S$sumR <- sum(S$R)### Lập bảng tần số của biến Cou thuộc dữ liệu S
Cou <- S$CO
cut(Cou,5)## [1] (-3.32,665] (-3.32,665] (-3.32,665]
## [4] (-3.32,665] (-3.32,665] (-3.32,665]
## [7] (-3.32,665] (-3.32,665] (-3.32,665]
## [10] (-3.32,665] (-3.32,665] (-3.32,665]
## [13] (-3.32,665] (-3.32,665] (-3.32,665]
## [16] (-3.32,665] (-3.32,665] (-3.32,665]
## [19] (665,1.33e+03] (-3.32,665] (-3.32,665]
## [22] (-3.32,665] (-3.32,665] (-3.32,665]
## [25] (-3.32,665] (-3.32,665] (665,1.33e+03]
## [28] (-3.32,665] (-3.32,665] (-3.32,665]
## [31] (-3.32,665] (-3.32,665] (665,1.33e+03]
## [34] (-3.32,665] (1.33e+03,1.99e+03] (-3.32,665]
## [37] (-3.32,665] (-3.32,665] (-3.32,665]
## [40] (-3.32,665] (1.33e+03,1.99e+03] (-3.32,665]
## [43] (-3.32,665] (-3.32,665] (-3.32,665]
## [46] (-3.32,665] (1.33e+03,1.99e+03] (-3.32,665]
## [49] (2.66e+03,3.33e+03] (665,1.33e+03] (665,1.33e+03]
## [52] (-3.32,665] (665,1.33e+03] (665,1.33e+03]
## [55] (-3.32,665] (-3.32,665] (-3.32,665]
## [58] (-3.32,665] (-3.32,665] (-3.32,665]
## [61] (-3.32,665] (-3.32,665] (665,1.33e+03]
## [64] (-3.32,665] (-3.32,665] (-3.32,665]
## [67] (-3.32,665] (-3.32,665] (-3.32,665]
## [70] (-3.32,665] (-3.32,665] (-3.32,665]
## [73] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [76] (-3.32,665] (-3.32,665] (-3.32,665]
## [79] (-3.32,665] (-3.32,665] (665,1.33e+03]
## [82] (-3.32,665] (-3.32,665] (-3.32,665]
## [85] (-3.32,665] (-3.32,665] (-3.32,665]
## [88] (665,1.33e+03] (665,1.33e+03] (-3.32,665]
## [91] (-3.32,665] (-3.32,665] (-3.32,665]
## [94] (-3.32,665] (-3.32,665] (-3.32,665]
## [97] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [100] (-3.32,665] (-3.32,665] (-3.32,665]
## [103] (-3.32,665] (-3.32,665] (-3.32,665]
## [106] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [109] (-3.32,665] (-3.32,665] (-3.32,665]
## [112] (665,1.33e+03] (-3.32,665] (-3.32,665]
## [115] (-3.32,665] (-3.32,665] (1.33e+03,1.99e+03]
## [118] (1.33e+03,1.99e+03] (-3.32,665] (-3.32,665]
## [121] (-3.32,665] (-3.32,665] (-3.32,665]
## [124] (-3.32,665] (-3.32,665] (-3.32,665]
## [127] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [130] (-3.32,665] (-3.32,665] (-3.32,665]
## [133] (665,1.33e+03] (-3.32,665] (1.33e+03,1.99e+03]
## [136] (-3.32,665] (-3.32,665] (-3.32,665]
## [139] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [142] (-3.32,665] (1.33e+03,1.99e+03] (-3.32,665]
## [145] (-3.32,665] (-3.32,665] (-3.32,665]
## [148] (-3.32,665] (-3.32,665] (-3.32,665]
## [151] (-3.32,665] (-3.32,665] (-3.32,665]
## [154] (-3.32,665] (-3.32,665] (-3.32,665]
## [157] (665,1.33e+03] (-3.32,665] (665,1.33e+03]
## [160] (2.66e+03,3.33e+03] (-3.32,665] (-3.32,665]
## [163] (-3.32,665] (1.99e+03,2.66e+03] (665,1.33e+03]
## [166] (-3.32,665] (-3.32,665] (-3.32,665]
## [169] (665,1.33e+03] (-3.32,665] (-3.32,665]
## [172] (-3.32,665] (-3.32,665] (-3.32,665]
## [175] (-3.32,665] (-3.32,665] (665,1.33e+03]
## [178] (-3.32,665] (-3.32,665] (-3.32,665]
## [181] (-3.32,665] (-3.32,665] (-3.32,665]
## [184] (-3.32,665] (-3.32,665] (-3.32,665]
## [187] (-3.32,665] (-3.32,665] (-3.32,665]
## [190] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [193] (-3.32,665] (-3.32,665] (-3.32,665]
## [196] (-3.32,665] (-3.32,665] (-3.32,665]
## [199] (-3.32,665] (-3.32,665] (-3.32,665]
## [202] (-3.32,665] (-3.32,665] (-3.32,665]
## [205] (-3.32,665] (-3.32,665] (-3.32,665]
## [208] (-3.32,665] (-3.32,665] (-3.32,665]
## [211] (-3.32,665] (-3.32,665] (-3.32,665]
## [214] (-3.32,665] (-3.32,665] (-3.32,665]
## [217] (-3.32,665] (-3.32,665] (-3.32,665]
## [220] (665,1.33e+03] (-3.32,665] (-3.32,665]
## [223] (-3.32,665] (-3.32,665] (-3.32,665]
## [226] (-3.32,665] (-3.32,665] (-3.32,665]
## [229] (-3.32,665] (-3.32,665] (-3.32,665]
## [232] (-3.32,665] (-3.32,665] (-3.32,665]
## [235] (1.99e+03,2.66e+03] (665,1.33e+03] (-3.32,665]
## [238] (-3.32,665] (-3.32,665] (-3.32,665]
## [241] (-3.32,665] (-3.32,665] (-3.32,665]
## [244] (-3.32,665] (-3.32,665] (-3.32,665]
## [247] (-3.32,665] (-3.32,665] (1.33e+03,1.99e+03]
## [250] (-3.32,665] (-3.32,665] (-3.32,665]
## [253] (-3.32,665] (-3.32,665] (-3.32,665]
## [256] (-3.32,665] (-3.32,665] (-3.32,665]
## [259] (-3.32,665] (-3.32,665] (-3.32,665]
## [262] (-3.32,665] (-3.32,665] (1.33e+03,1.99e+03]
## [265] (-3.32,665] (1.33e+03,1.99e+03] (-3.32,665]
## [268] (-3.32,665] (-3.32,665] (-3.32,665]
## [271] (-3.32,665] (-3.32,665] (-3.32,665]
## [274] (-3.32,665] (-3.32,665] (-3.32,665]
## [277] (-3.32,665] (-3.32,665] (-3.32,665]
## [280] (-3.32,665] (-3.32,665] (-3.32,665]
## [283] (-3.32,665] (-3.32,665] (-3.32,665]
## [286] (-3.32,665] (-3.32,665] (-3.32,665]
## [289] (-3.32,665] (-3.32,665] (-3.32,665]
## [292] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [295] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [298] (665,1.33e+03] (-3.32,665] (-3.32,665]
## [301] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [304] (1.33e+03,1.99e+03] (665,1.33e+03] (-3.32,665]
## [307] (-3.32,665] (-3.32,665] (-3.32,665]
## [310] (-3.32,665] (-3.32,665] (-3.32,665]
## [313] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [316] (-3.32,665] (-3.32,665] (-3.32,665]
## [319] (-3.32,665] (-3.32,665] (-3.32,665]
## [322] (-3.32,665] (-3.32,665] (-3.32,665]
## [325] (-3.32,665] (-3.32,665] (-3.32,665]
## [328] (-3.32,665] (-3.32,665] (-3.32,665]
## [331] (-3.32,665] (-3.32,665] (-3.32,665]
## [334] (-3.32,665] (-3.32,665] (-3.32,665]
## [337] (-3.32,665] (-3.32,665] (-3.32,665]
## [340] (665,1.33e+03] (665,1.33e+03] (-3.32,665]
## [343] (665,1.33e+03] (665,1.33e+03] (-3.32,665]
## [346] (-3.32,665] (665,1.33e+03] (-3.32,665]
## [349] (-3.32,665] (-3.32,665] (-3.32,665]
## [352] (-3.32,665] (-3.32,665] (-3.32,665]
## [355] (-3.32,665] (-3.32,665] (-3.32,665]
## [358] (-3.32,665] (-3.32,665] (-3.32,665]
## [361] (-3.32,665] (-3.32,665] (-3.32,665]
## [364] (-3.32,665] (-3.32,665] (-3.32,665]
## [367] (-3.32,665] (-3.32,665] (-3.32,665]
## [370] (-3.32,665] (-3.32,665] (-3.32,665]
## [373] (-3.32,665] (-3.32,665] (-3.32,665]
## [376] (665,1.33e+03] (-3.32,665] (-3.32,665]
## [379] (-3.32,665] (-3.32,665] (-3.32,665]
## [382] (-3.32,665] (-3.32,665] (-3.32,665]
## [385] (-3.32,665] (-3.32,665] (-3.32,665]
## [388] (-3.32,665] (-3.32,665] (-3.32,665]
## [391] (-3.32,665] (-3.32,665] (-3.32,665]
## [394] (-3.32,665] (-3.32,665] (-3.32,665]
## [397] (-3.32,665] (-3.32,665] (1.99e+03,2.66e+03]
## [400] (-3.32,665] (-3.32,665] (-3.32,665]
## [403] (-3.32,665] (-3.32,665] (-3.32,665]
## [406] (-3.32,665] (-3.32,665] (-3.32,665]
## [409] (-3.32,665] (-3.32,665] (-3.32,665]
## [412] (-3.32,665] (-3.32,665] (-3.32,665]
## [415] (-3.32,665] (-3.32,665] (665,1.33e+03]
## [418] (-3.32,665] (-3.32,665] (-3.32,665]
## 5 Levels: (-3.32,665] (665,1.33e+03] ... (2.66e+03,3.33e+03]table(cut(Cou,5))##
## (-3.32,665] (665,1.33e+03] (1.33e+03,1.99e+03] (1.99e+03,2.66e+03]
## 365 39 11 3
## (2.66e+03,3.33e+03]
## 2