Zadanie 1
Zadanie: Načítajte tabuľku údajov datasets::iris do nového dátového rámca (napríklad dat), ponechajte si iba jeden znakový a dva numerické stĺpce (šírka, dĺžka) a každému dajte iné než anglické názvy. Súbor údajov slovne opíšte (pôvod, počet pozorovaní, význam a povahu štatistických znakov, strednú alebo najčastejšiu hodnotu).
Riešenie:
iris_data <- iris
iris_subset = subset(iris_data, select = c("Petal.Length", "Petal.Width", "Species"))
colnames(iris_subset) <- c(" Dlzka_Okvet_listka", " Sirka_Okvet_listka", " Druhy")
iris_subset## Dlzka_Okvet_listka Sirka_Okvet_listka Druhy
## 1 1.4 0.2 setosa
## 2 1.4 0.2 setosa
## 3 1.3 0.2 setosa
## 4 1.5 0.2 setosa
## 5 1.4 0.2 setosa
## 6 1.7 0.4 setosa
## 7 1.4 0.3 setosa
## 8 1.5 0.2 setosa
## 9 1.4 0.2 setosa
## 10 1.5 0.1 setosa
## 11 1.5 0.2 setosa
## 12 1.6 0.2 setosa
## 13 1.4 0.1 setosa
## 14 1.1 0.1 setosa
## 15 1.2 0.2 setosa
## 16 1.5 0.4 setosa
## 17 1.3 0.4 setosa
## 18 1.4 0.3 setosa
## 19 1.7 0.3 setosa
## 20 1.5 0.3 setosa
## 21 1.7 0.2 setosa
## 22 1.5 0.4 setosa
## 23 1.0 0.2 setosa
## 24 1.7 0.5 setosa
## 25 1.9 0.2 setosa
## 26 1.6 0.2 setosa
## 27 1.6 0.4 setosa
## 28 1.5 0.2 setosa
## 29 1.4 0.2 setosa
## 30 1.6 0.2 setosa
## 31 1.6 0.2 setosa
## 32 1.5 0.4 setosa
## 33 1.5 0.1 setosa
## 34 1.4 0.2 setosa
## 35 1.5 0.2 setosa
## 36 1.2 0.2 setosa
## 37 1.3 0.2 setosa
## 38 1.4 0.1 setosa
## 39 1.3 0.2 setosa
## 40 1.5 0.2 setosa
## 41 1.3 0.3 setosa
## 42 1.3 0.3 setosa
## 43 1.3 0.2 setosa
## 44 1.6 0.6 setosa
## 45 1.9 0.4 setosa
## 46 1.4 0.3 setosa
## 47 1.6 0.2 setosa
## 48 1.4 0.2 setosa
## 49 1.5 0.2 setosa
## 50 1.4 0.2 setosa
## 51 4.7 1.4 versicolor
## 52 4.5 1.5 versicolor
## 53 4.9 1.5 versicolor
## 54 4.0 1.3 versicolor
## 55 4.6 1.5 versicolor
## 56 4.5 1.3 versicolor
## 57 4.7 1.6 versicolor
## 58 3.3 1.0 versicolor
## 59 4.6 1.3 versicolor
## 60 3.9 1.4 versicolor
## 61 3.5 1.0 versicolor
## 62 4.2 1.5 versicolor
## 63 4.0 1.0 versicolor
## 64 4.7 1.4 versicolor
## 65 3.6 1.3 versicolor
## 66 4.4 1.4 versicolor
## 67 4.5 1.5 versicolor
## 68 4.1 1.0 versicolor
## 69 4.5 1.5 versicolor
## 70 3.9 1.1 versicolor
## 71 4.8 1.8 versicolor
## 72 4.0 1.3 versicolor
## 73 4.9 1.5 versicolor
## 74 4.7 1.2 versicolor
## 75 4.3 1.3 versicolor
## 76 4.4 1.4 versicolor
## 77 4.8 1.4 versicolor
## 78 5.0 1.7 versicolor
## 79 4.5 1.5 versicolor
## 80 3.5 1.0 versicolor
## 81 3.8 1.1 versicolor
## 82 3.7 1.0 versicolor
## 83 3.9 1.2 versicolor
## 84 5.1 1.6 versicolor
## 85 4.5 1.5 versicolor
## 86 4.5 1.6 versicolor
## 87 4.7 1.5 versicolor
## 88 4.4 1.3 versicolor
## 89 4.1 1.3 versicolor
## 90 4.0 1.3 versicolor
## 91 4.4 1.2 versicolor
## 92 4.6 1.4 versicolor
## 93 4.0 1.2 versicolor
## 94 3.3 1.0 versicolor
## 95 4.2 1.3 versicolor
## 96 4.2 1.2 versicolor
## 97 4.2 1.3 versicolor
## 98 4.3 1.3 versicolor
## 99 3.0 1.1 versicolor
## 100 4.1 1.3 versicolor
## 101 6.0 2.5 virginica
## 102 5.1 1.9 virginica
## 103 5.9 2.1 virginica
## 104 5.6 1.8 virginica
## 105 5.8 2.2 virginica
## 106 6.6 2.1 virginica
## 107 4.5 1.7 virginica
## 108 6.3 1.8 virginica
## 109 5.8 1.8 virginica
## 110 6.1 2.5 virginica
## 111 5.1 2.0 virginica
## 112 5.3 1.9 virginica
## 113 5.5 2.1 virginica
## 114 5.0 2.0 virginica
## 115 5.1 2.4 virginica
## 116 5.3 2.3 virginica
## 117 5.5 1.8 virginica
## 118 6.7 2.2 virginica
## 119 6.9 2.3 virginica
## 120 5.0 1.5 virginica
## 121 5.7 2.3 virginica
## 122 4.9 2.0 virginica
## 123 6.7 2.0 virginica
## 124 4.9 1.8 virginica
## 125 5.7 2.1 virginica
## 126 6.0 1.8 virginica
## 127 4.8 1.8 virginica
## 128 4.9 1.8 virginica
## 129 5.6 2.1 virginica
## 130 5.8 1.6 virginica
## 131 6.1 1.9 virginica
## 132 6.4 2.0 virginica
## 133 5.6 2.2 virginica
## 134 5.1 1.5 virginica
## 135 5.6 1.4 virginica
## 136 6.1 2.3 virginica
## 137 5.6 2.4 virginica
## 138 5.5 1.8 virginica
## 139 4.8 1.8 virginica
## 140 5.4 2.1 virginica
## 141 5.6 2.4 virginica
## 142 5.1 2.3 virginica
## 143 5.1 1.9 virginica
## 144 5.9 2.3 virginica
## 145 5.7 2.5 virginica
## 146 5.2 2.3 virginica
## 147 5.0 1.9 virginica
## 148 5.2 2.0 virginica
## 149 5.4 2.3 virginica
## 150 5.1 1.8 virginica# Tymto pozrem vsetky statistiku po "iris" (strednu alebo najcastejsiu hodnotu, ....)
summary(iris_data)## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
## Median :5.800 Median :3.000 Median :4.350 Median :1.300
## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
## Species
## setosa :50
## versicolor:50
## virginica :50
##
##
## Zadanie 2
Zadanie: Zobrazte stĺpcové grafy charakterizujúce rozdelenie pravdepodobnosti hodnôt každej premennej zvlášť. Čo ste sa o nich dozvedeli?
Riešenie:
# Histogram pre kazdy stlpec
hist(iris_data$Sepal.Length, main = "Histogram of Sepal.Length", xlab = "Sepal Length", col = "lightgreen")
hist(iris_data$Sepal.Width, main = "Histogram of Sepal.Width", xlab = "Sepal Width", col = "lightblue")
hist(iris_data$Petal.Length, main = "Histogram of Petal.Length", xlab = "Petal Length", col = "lightcoral")
hist(iris_data$Petal.Width, main = "Histogram of Petal.Width", xlab = "Petal Width", col = "lightyellow")
Zadanie 3
Zadanie: Ako sa zmenia stredné hodnoty šírky a dĺžky lístkov/lupeňov, ak prihliadneme na druh kosatca? Tabuľku výsledkov doplňte o vizualizáciu (rozdelenia každého rozmeru podľa druhu) vhodným grafom (nie stĺpcovým).
Riešenie:
# Min podla druhu
# aggregate(. ~ Species, data = iris, FUN = min)
# Max podla druhu
# aggregate(. ~ Species, data = iris, FUN = max)
# Median podla druhu
# aggregate(. ~ Species, data = iris, FUN = median)
# Mean podla druhu
aggregate(cbind(Sepal.Length, Sepal.Width, Petal.Length, Petal.Width) ~ Species, data = iris_data, FUN = mean) ## Species Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1 setosa 5.006 3.428 1.462 0.246
## 2 versicolor 5.936 2.770 4.260 1.326
## 3 virginica 6.588 2.974 5.552 2.026# Boxplot pre kazdy stlpec podla druhu
boxplot(Sepal.Length ~ Species, data = iris_data, main = "Sepal Length by Species", ylab = "Sepal Length", col = c( "lightcoral", "lightgreen", "lightblue"))
boxplot(Sepal.Width ~ Species, data = iris_data, main = "Sepal Width by Species", ylab = "Sepal Width", col = c( "lightcoral", "lightgreen", "lightblue"))
boxplot(Petal.Length ~ Species, data = iris_data, main = "Petal Length by Species", ylab = "Petal Length", col = c( "lightcoral", "lightgreen", "lightblue"))
boxplot(Petal.Width ~ Species, data = iris_data, main = "Petal Width by Species", ylab = "Petal Width", col = c("lightblue", "lightgreen", "lightcoral"))
Zadanie 4
Zadanie: Na základe vhodného grafu slovne popíšte, ako spolu súvisia šírka a dĺžka (Tzn. ak hodnoty jednej rastú, ako sa správajú hodnoty druhej?).
Riešenie:
# Graphy sirki a dlzki pre Sepal
plot(Sepal.Length ~ Sepal.Width, data = iris_data, main = "Width and Length of Sepal", xlab = "Sepal Length", ylab = "Sepal Width")
# Graphy sirki a dlzki pre Petal
plot(Petal.Length ~ Petal.Width, data = iris_data, main = "Width and Length of Petal", xlab = "Petal Length", ylab = "Petal Width")
↓↓↓ Urobil to cez google translate, a neviem ci spravne to povedal. ↓↓↓
Ak body neukazujú žiadnu jasnú tendenciu alebo sú vyzerať ako náhodne, znamená to, že medzi premennými nie je žiadny zjavný lineárny vzťah.
Ak sú body usporiadané pozdĺž diagonály smerom nadol doprava, znamená to negatívny vzťah. A naopak, že existuje pozitívny vzťah.
Pre dataset iris, zvyčajne nájdeme silný pozitívny vzťah medzi
dĺžkou a šírkou petálov, čo znamená, že kvety s dlhšími petálmi majú
tendenciu mať aj širšie petály. Vzťah medzi dĺžkou a šírkou sépalov môže
byť menej výrazný alebo viac rozptýlený v závislosti od druhu
kosatca.
Zadanie 5
Zadanie: Čo sa na závislosti šírky a dĺžky zmení, ak ich vyšetríme po jednotlivých druhoch? Svoje tvrdenie podporte vhodným grafom, kde druh kvetu odlíšite zvoleným grafickým atribútom (napr. farba, znak alebo veľkosť). Jeho súčasťou musí byť aj legenda.
Riešenie:
# Variant 1
plot(iris_data$Petal.Length, iris_data$Petal.Width, col = iris_data$Species, pch = 16, main = "Petal Width and Length relationship by Species", xlab = "Petal Length", ylab = "Petal Width")
legend("topright", legend = levels(iris_data$Species), col = 1:3, pch = 16)
# Variant 2
plot(iris$Petal.Length, iris_data$Petal.Width,
col = as.integer(iris_data$Species),
pch = as.integer(iris_data$Species),
main = "Petal Width and Length relationship by Species",
xlab = "Petal Length",
ylab = "Petal Width")
legend("topright",
legend = levels(iris_data$Species),
col = 1:length(levels(iris_data$Species)),
pch = 1:length(levels(iris_data$Species)),
title = "Species")