knitr::opts_chunk$set(echo = TRUE)
library(fastGraph) ; library(jmuOutlier) ; library(survey) ; course.number=325
## Loading required package: grid
## Loading required package: Matrix
## Loading required package: survival
##
## Attaching package: 'survey'
## The following object is masked from 'package:graphics':
##
## dotchart
### Homework C1.1
# Question One (a)
hw1=read.table("https://educ.jmu.edu/~garrenst/math325.dir/datasets/CLASSSUR.txt", header=F, na.strings = ".")
is.data.frame(hw1)
## [1] TRUE
# Question Two (b)
sample(hw1$V3,size=20, replace=F)
## [1] 3 3 3 4 NA 3 3 3 NA 2 3 3 4 3 3 3 NA 3 3 3
## [1] 3 3 3 3 NA 3 3 3 3 3 4 NA NA 3 3 NA 3 3 3 3
# Question Three (c)
sample(hw1$V3, size=100, replace=T)
## [1] 3 3 3 3 2 3 3 3 NA 3 3 3 3 4 3 3 NA 2 3 NA NA 4 3 3 3
## [26] 3 3 3 NA NA 3 4 3 NA 3 3 NA 2 2 3 3 3 3 3 3 3 4 3 NA 4
## [51] 4 NA 3 3 NA 3 3 3 3 3 3 3 NA 3 3 3 3 3 3 4 3 3 3 3 NA
## [76] NA 3 3 3 3 NA 3 3 3 3 3 3 3 3 3 3 NA 2 3 3 3 3 3 4 NA
## [1] 3 3 3 3 3 3 3 3 3 3 3 NA 3 3 3 3 3 3 NA 3 3 3 3 NA 3
## [26] 3 3 3 3 3 3 NA NA NA 3 NA NA 3 2 3 3 3 3 3 3 3 NA 3 3 3
## [51] 3 3 3 3 3 NA 3 3 4 3 3 NA 3 3 3 NA 3 NA 3 2 3 2 3 3 NA
## [76] NA 4 4 3 3 3 3 3 3 3 2 2 3 NA 4 3 3 NA 3 3 3 3 4 3 3
# Question Four (d)
hw1sd=apply(hw1,2,sd,na.rm=T) # FUN=2 will output the SDs under each variable
hw1sd
## V1 V2 V3 V4 V5 V6 V7
## 0.4949621 4.4150290 0.3807188 1.0498239 4.0619778 30.6455579 7.4572156
## V8 V9 V10 V11
## 1.1250174 0.5025000 65.8136463 0.6636838
# Question Five (e)
hw1bind=rbind(hw1,hw1sd)
# Question Six (f)
print(hw1bind)
## V1 V2 V3 V4 V5 V6 V7
## 1 2.0000000 19.000000 3.0000000 2.000000 71.000000 147.00000 12.000000
## 2 2.0000000 20.000000 2.0000000 3.000000 71.000000 158.00000 12.000000
## 3 2.0000000 17.000000 NA 1.000000 65.000000 140.00000 6.000000
## 4 1.0000000 23.000000 3.0000000 4.000000 72.000000 160.00000 9.000000
## 5 2.0000000 33.000000 3.0000000 4.000000 65.000000 155.00000 10.000000
## 6 2.0000000 20.000000 3.0000000 3.000000 60.000000 138.00000 10.000000
## 7 2.0000000 32.000000 4.0000000 4.000000 66.000000 125.00000 14.000000
## 8 2.0000000 21.000000 3.0000000 3.000000 65.000000 116.00000 20.000000
## 9 2.0000000 20.000000 NA 3.000000 69.000000 138.00000 13.000000
## 10 2.0000000 17.000000 4.0000000 1.000000 64.000000 110.00000 15.000000
## 11 2.0000000 20.000000 3.0000000 3.000000 67.000000 120.00000 7.000000
## 12 2.0000000 21.000000 NA 3.000000 68.000000 127.00000 NA
## 13 2.0000000 19.000000 NA 2.000000 61.000000 115.00000 11.000000
## 14 2.0000000 21.000000 3.0000000 3.000000 64.000000 133.00000 7.000000
## 15 2.0000000 20.000000 3.0000000 3.000000 62.000000 105.00000 12.000000
## 16 1.0000000 25.000000 3.0000000 4.000000 66.000000 160.00000 40.000000
## 17 1.0000000 26.000000 3.0000000 4.000000 70.000000 160.00000 8.000000
## 18 1.0000000 20.000000 3.0000000 2.000000 70.000000 178.00000 7.000000
## 19 2.0000000 17.000000 NA 1.000000 64.000000 NA 9.000000
## 20 1.0000000 19.000000 3.0000000 3.000000 71.000000 170.00000 10.000000
## 21 2.0000000 18.000000 3.0000000 2.000000 64.000000 106.00000 13.000000
## 22 2.0000000 42.000000 4.0000000 4.000000 63.000000 140.00000 10.000000
## 23 1.0000000 22.000000 3.0000000 4.000000 67.000000 147.00000 30.000000
## 24 2.0000000 21.000000 3.0000000 4.000000 67.000000 135.00000 14.000000
## 25 2.0000000 18.000000 NA 1.000000 67.000000 130.00000 10.000000
## 26 2.0000000 20.000000 3.0000000 3.000000 66.000000 150.00000 14.000000
## 27 2.0000000 20.000000 3.0000000 3.000000 66.000000 118.00000 14.000000
## 28 1.0000000 19.000000 3.0000000 3.000000 73.000000 167.00000 10.000000
## 29 1.0000000 20.000000 3.0000000 3.000000 71.000000 175.00000 5.000000
## 30 2.0000000 20.000000 3.0000000 3.000000 63.000000 123.00000 7.000000
## 31 1.0000000 20.000000 3.0000000 3.000000 67.000000 147.00000 10.000000
## 32 2.0000000 22.000000 3.0000000 4.000000 62.000000 NA 7.000000
## 33 2.0000000 18.000000 NA 1.000000 67.000000 NA 15.000000
## 34 2.0000000 18.000000 NA 1.000000 NA 108.00000 12.000000
## 35 1.0000000 21.000000 3.0000000 4.000000 68.000000 145.00000 26.000000
## 36 2.0000000 20.000000 3.0000000 3.000000 65.000000 118.00000 25.000000
## 37 1.0000000 22.000000 3.0000000 4.000000 76.000000 220.00000 16.000000
## 38 2.0000000 21.000000 3.0000000 3.000000 65.000000 112.00000 14.000000
## 39 2.0000000 20.000000 3.0000000 3.000000 61.000000 105.00000 10.000000
## 40 1.0000000 20.000000 3.0000000 3.000000 75.000000 160.00000 9.000000
## 41 1.0000000 22.000000 4.0000000 5.000000 65.000000 140.00000 10.000000
## 42 1.0000000 34.000000 4.0000000 5.000000 73.000000 175.00000 30.000000
## 43 1.0000000 20.000000 3.0000000 2.000000 71.000000 175.00000 7.000000
## 44 1.0000000 18.000000 3.0000000 3.000000 67.000000 153.00000 15.000000
## 45 2.0000000 20.000000 3.0000000 3.000000 NA NA 14.000000
## 46 2.0000000 23.000000 3.0000000 4.000000 64.000000 128.00000 5.000000
## 47 1.0000000 22.000000 3.0000000 4.000000 75.000000 225.00000 6.000000
## 48 2.0000000 19.000000 3.0000000 3.000000 61.000000 110.00000 5.000000
## 49 1.0000000 21.000000 3.0000000 2.000000 71.000000 183.00000 5.000000
## 50 1.0000000 19.000000 3.0000000 3.000000 68.000000 130.00000 3.000000
## 51 1.0000000 19.000000 3.0000000 2.000000 67.000000 156.00000 15.000000
## 52 2.0000000 20.000000 2.0000000 3.000000 63.000000 128.00000 35.000000
## 53 2.0000000 17.000000 NA 1.000000 68.000000 175.00000 13.000000
## 54 1.0000000 21.000000 3.0000000 4.000000 74.000000 240.00000 18.000000
## 55 2.0000000 20.000000 3.0000000 3.000000 68.000000 122.00000 13.000000
## 56 1.0000000 21.000000 3.0000000 4.000000 69.000000 195.00000 10.000000
## 57 1.0000000 18.000000 3.0000000 1.000000 58.000000 155.00000 16.000000
## 58 0.4949621 4.415029 0.3807188 1.049824 4.061978 30.64556 7.457216
## V8 V9 V10 V11
## 1 7.000000 2.0000 200.00000 2.0000000
## 2 7.000000 2.0000 170.00000 1.0000000
## 3 6.000000 1.0000 200.00000 2.0000000
## 4 7.000000 2.0000 111.00000 2.0000000
## 5 7.000000 1.0000 150.00000 2.0000000
## 6 8.000000 1.0000 250.00000 1.0000000
## 7 6.000000 2.0000 150.00000 2.0000000
## 8 8.000000 2.0000 260.00000 1.0000000
## 9 6.000000 1.0000 90.00000 1.0000000
## 10 7.000000 2.0000 130.00000 2.0000000
## 11 7.000000 1.0000 180.00000 3.0000000
## 12 8.000000 2.0000 200.00000 1.0000000
## 13 7.000000 1.0000 51.00000 1.0000000
## 14 8.000000 1.0000 100.00000 2.0000000
## 15 6.000000 1.0000 200.00000 1.0000000
## 16 6.000000 1.0000 90.00000 2.0000000
## 17 6.000000 2.0000 245.00000 3.0000000
## 18 7.000000 1.0000 200.00000 3.0000000
## 19 6.000000 2.0000 220.00000 1.0000000
## 20 8.000000 1.0000 200.00000 2.0000000
## 21 6.000000 2.0000 200.00000 2.0000000
## 22 7.000000 1.0000 150.00000 2.0000000
## 23 6.000000 2.0000 320.00000 1.0000000
## 24 7.000000 2.0000 200.00000 1.0000000
## 25 8.000000 2.0000 145.00000 1.0000000
## 26 6.000000 2.0000 NA 1.0000000
## 27 8.000000 2.0000 216.00000 1.0000000
## 28 7.000000 1.0000 200.00000 2.0000000
## 29 8.000000 2.0000 150.00000 2.0000000
## 30 6.000000 1.0000 185.00000 1.0000000
## 31 5.000000 1.0000 220.00000 1.0000000
## 32 8.000000 2.0000 120.00000 1.0000000
## 33 7.000000 2.0000 198.00000 3.0000000
## 34 5.000000 2.0000 160.00000 2.0000000
## 35 7.000000 2.0000 400.00000 2.0000000
## 36 6.000000 2.0000 150.00000 2.0000000
## 37 5.000000 1.0000 250.00000 1.0000000
## 38 7.000000 1.0000 210.00000 1.0000000
## 39 8.000000 2.0000 175.00000 1.0000000
## 40 9.000000 1.0000 200.00000 2.0000000
## 41 9.000000 1.0000 240.00000 1.0000000
## 42 7.000000 1.0000 120.00000 2.0000000
## 43 8.000000 2.0000 200.00000 1.0000000
## 44 9.000000 2.0000 90.00000 2.0000000
## 45 4.000000 2.0000 260.00000 2.0000000
## 46 6.000000 1.0000 49.00000 2.0000000
## 47 7.000000 2.0000 95.00000 2.0000000
## 48 7.000000 2.0000 300.00000 3.0000000
## 49 5.000000 1.0000 225.00000 1.0000000
## 50 9.000000 1.0000 200.00000 3.0000000
## 51 7.000000 2.0000 180.00000 2.0000000
## 52 5.000000 2.0000 250.00000 1.0000000
## 53 6.000000 2.0000 280.00000 1.0000000
## 54 6.000000 1.0000 240.00000 1.0000000
## 55 6.000000 1.0000 250.00000 2.0000000
## 56 7.000000 2.0000 230.00000 2.0000000
## 57 6.000000 1.0000 200.00000 2.0000000
## 58 1.125017 0.5025 65.81365 0.6636838
# Question Seven (g)
hw1bind[(11:20),]
## V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11
## 11 2 20 3 3 67 120 7 7 1 180 3
## 12 2 21 NA 3 68 127 NA 8 2 200 1
## 13 2 19 NA 2 61 115 11 7 1 51 1
## 14 2 21 3 3 64 133 7 8 1 100 2
## 15 2 20 3 3 62 105 12 6 1 200 1
## 16 1 25 3 4 66 160 40 6 1 90 2
## 17 1 26 3 4 70 160 8 6 2 245 3
## 18 1 20 3 2 70 178 7 7 1 200 3
## 19 2 17 NA 1 64 NA 9 6 2 220 1
## 20 1 19 3 3 71 170 10 8 1 200 2
# Question Eight (h)
hw1bind[12,"V5"]+2
## [1] 70
# Question Nine (i)
heightcm=hw1bind$V5*2.54
hw1bind2=cbind(hw1bind,heightcm)
hw1bind2[(11:20),c("V6","heightcm")] # i just added heightcm as a new variable instead of replacing V6
## V6 heightcm
## 11 120 170.18
## 12 127 172.72
## 13 115 154.94
## 14 133 162.56
## 15 105 157.48
## 16 160 167.64
## 17 160 177.80
## 18 178 177.80
## 19 NA 162.56
## 20 170 180.34
### Homework C1.2
hw1.2a=data.frame(c(80,60))
hw1.2b=data.frame(c(20,8)) # c() will put the data into a column
hw1.2=cbind(hw1.2a,hw1.2b)
rownames(hw1.2)=c("ni","yi")
colnames(hw1.2)=c("Voter","Nonvoter")
hw1.2 # note : this feels like a very primitive and messy way of combining data and naming variables but every other way seemed to fail
## Voter Nonvoter
## ni 80 20
## yi 60 8
is.data.frame(hw1.2)
## [1] TRUE