Phân tích dữ liệu Iris

Câu 1:

# Đặt ngẫu nhiên  
set.seed(123)  
n <- 20  
p <- 0.5  
data_bern <- rbinom(600, n, p)  

# Vẽ histogram  
hist(data_bern, breaks = 15, probability = TRUE, col = "skyblue",  
     main = "Histogram và Phân phối Chuẩn", xlab = "Giá trị", border = "white")  

# Tạo phân phối chuẩn  
x <- seq(min(data_bern), max(data_bern), length = 100)  
y <- dnorm(x, mean = n * p, sd = sqrt(n * p * (1 - p)))  

# Vẽ phân phối chuẩn  
lines(x, y, col = "red", lwd = 2)  

# chú thích  
legend("topright", legend = c("Histogram", "Phân phối chuẩn"), col = c("skyblue", "red"), lwd = 2)

Câu 2:

Đọc dữ liệu Iris

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

# Đọc dữ liệu Iris
data(iris)
head(iris)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

iris_summary <- iris %>% 
  group_by(Species) %>% 
  summarise(
    Sepal.Length.Mean = mean(Sepal.Length),
    Sepal.Width.Mean = mean(Sepal.Width),
    Petal.Length.Mean = mean(Petal.Length),
    Petal.Width.Mean = mean(Petal.Width),
    Sepal.Length.SD = sd(Sepal.Length),
    Sepal.Width.SD = sd(Sepal.Width),
    Petal.Length.SD = sd(Petal.Length),
    Petal.Width.SD = sd(Petal.Width)
  )
print(iris_summary)

## # A tibble: 3 × 9
##   Species  Sepal.Length.Mean Sepal.Width.Mean Petal.Length.Mean Petal.Width.Mean
##   <fct>                <dbl>            <dbl>             <dbl>            <dbl>
## 1 setosa                5.01             3.43              1.46            0.246
## 2 versico…              5.94             2.77              4.26            1.33 
## 3 virgini…              6.59             2.97              5.55            2.03 
## # ℹ 4 more variables: Sepal.Length.SD <dbl>, Sepal.Width.SD <dbl>,
## #   Petal.Length.SD <dbl>, Petal.Width.SD <dbl>

Vẽ biểu đồ Boxplot của chiều rộng đài hoa (Sepal.Width)

ggplot(iris, aes(x = Species, y = Sepal.Width, fill = Species)) +
  geom_boxplot() +
  theme_minimal() +
  labs(title = "Boxplot của chiều rộng đài hoa (Sepal.Width)",
       x = "Loài hoa",
       y = "Chiều rộng đài hoa")