Kiểm tra dữ liệu

Kiểm tra sự tồn tại của tệp

file.exists("/Users/giangnguyen/Desktop/GiangNT/2025/Course_R/Datasets/birthwt.csv")
## [1] TRUE



3.Đọc dữ liệu “birthwt.csv” vào R

3.1.Đọc tệp CSV “birthwt.csv” và tạo data frame “bw”

bw = read.csv("/Users/giangnguyen/Desktop/GiangNT/2025/Course_R/Datasets/birthwt.csv")


3.2.Đọc tệp CSV “birthwt.csv” và tạo data frame “bw2”

bw2 = read.csv("/Users/giangnguyen/Desktop/GiangNT/2025/Course_R/Datasets/birthwt.csv")



4.Thông tin về dữ liệu “bw”

4.1.Xác định số biến số và quan sát của data frame “bw”

4.1.1.Hiển thị số hàng (số quan sát) và số cột (số biến số) của data frame “bw”

dim(bw) 
## [1] 189  11

4.1.2.Hiển thị số hàng (số quan sát) của data frame “bw”

nrow(bw) 
## [1] 189

4.1.3.Hiển thị số cột (số biến số) của data frame “bw”

ncol(bw) 
## [1] 11


4.2.Liệt kê 6 quan sát đầu tiên của “bw”

head(bw)
##   id low age lwt race smoke ptl ht ui ftv  bwt
## 1 85   0  19 182    2     0   0  0  1   0 2523
## 2 86   0  33 155    3     0   0  0  0   3 2551
## 3 87   0  20 105    1     1   0  0  0   1 2557
## 4 88   0  21 108    1     1   0  0  1   2 2594
## 5 89   0  18 107    1     1   0  0  1   0 2600
## 6 91   0  21 124    3     0   0  0  0   0 2622


4.3.Liệt kê 6 quan sát cuối cùng của “bw”

tail(bw)
##     id low age lwt race smoke ptl ht ui ftv  bwt
## 184 78   1  14 101    3     1   1  0  0   0 2466
## 185 79   1  28  95    1     1   0  0  0   2 2466
## 186 81   1  14 100    3     0   0  0  0   2 2495
## 187 82   1  23  94    3     1   0  0  0   0 2495
## 188 83   1  17 142    2     0   0  1  0   0 2495
## 189 84   1  21 130    1     1   0  1  0   3 2495



5.Biên tập dữ liệu

5.1.Tạo biến mới “mwt” là cân nặng của mẹ tính bằng kg

5.1.1.Tạo biến mới “mwt” bằng cách đổi số lbs sang số kg

bw$mwt = bw$lwt * 0.453592

5.1.2.Hiển thị 6 giá trị đầu tiên của cột “mwt”

head(bw$mwt)
## [1] 82.55374 70.30676 47.62716 48.98794 48.53434 56.24541


5.2.Tạo biến mới “ethnicity”

5.2.1: Tạo biến mới “ethnicity” là biến factor từ data frame “bw”

bw$ethnicity = factor( ifelse(bw$race == 1, "White", ifelse(bw$race == 2, "Black", "Other")), levels = c("White", "Black", "Other"))

5.2.2.Hiển thị 6 giá trị đầu tiên của “ethnicity” trong data frame “bw”

head(bw$ethnicity)
## [1] Black Other White White White Other
## Levels: White Black Other

5.2.2.Hiển thị các mức của factor “ethnicity” trong data frame “bw”

levels(bw$ethnicity)
## [1] "White" "Black" "Other"


5.3.Tạo “bw1” chỉ gồm 3 biến số “id”, “low” và “bwt”

5.3.1: Tạo data frame “bw1” với các cột “id”, “low” và “bwt” từ data frame “bw”

bw1 = bw[, c("id", "low", "bwt")]

5.3.2: Hiển thị 6 quan sát đầu tiên của data frame “bw1”

head(bw1)
##   id low  bwt
## 1 85   0 2523
## 2 86   0 2551
## 3 87   0 2557
## 4 88   0 2594
## 5 89   0 2600
## 6 91   0 2622

5.3.3: Hiển thị số cột (biến) của data frame “bw1”

ncol(bw1)
## [1] 3

5.3.4: Hiển thị số hàng (quan sát) của data frame “bw1”

nrow(bw1)
## [1] 189


5.4.Tạo “bw3” chỉ gồm những trẻ có cân nặng thấp

5.4.1.Tạo data frame “bw3” chỉ gồm những trẻ có cân nặng thấp (low = 1)

bw3 = subset(bw, low == 1)

5.4.2.Hiển thị 6 quan sát đầu tiên của data frame “bw3”

head(bw3)
##     id low age lwt race smoke ptl ht ui ftv  bwt      mwt ethnicity
## 131  4   1  28 120    3     1   1  0  1   0  709 54.43104     Other
## 132 10   1  29 130    1     0   0  0  1   2 1021 58.96696     White
## 133 11   1  34 187    2     1   0  1  0   0 1135 84.82170     Black
## 134 13   1  25 105    3     0   1  1  0   0 1330 47.62716     Other
## 135 15   1  25  85    3     0   0  0  1   0 1474 38.55532     Other
## 136 16   1  27 150    3     0   0  0  0   0 1588 68.03880     Other

5.4.3.Hiển thị số cột (biến số) của data frame “bw3”

ncol(bw3)
## [1] 13

5.4.4.Hiển thị số hàng (quan sát) của data frame “bw3”

nrow(bw3)
## [1] 59


5.5: Tạo “bw4” chỉ gồm những trẻ có cân nặng thấp và thai phụ có hút thuốc trong lúc mang thai

5.5.1.Tạo data frame “bw4” với các quan sát có (low = 1) và (smoke = 1)

bw4 = subset(bw, low == 1 & smoke == 1)

5.5.2.Hiển thị 6 quan sát đầu tiên của data frame “bw4”

head(bw4)
##     id low age lwt race smoke ptl ht ui ftv  bwt      mwt ethnicity
## 131  4   1  28 120    3     1   1  0  1   0  709 54.43104     Other
## 133 11   1  34 187    2     1   0  1  0   0 1135 84.82170     Black
## 140 20   1  21 165    1     1   0  1  0   1 1790 74.84268     White
## 141 22   1  32 105    1     1   0  0  0   0 1818 47.62716     White
## 142 23   1  19  91    1     1   2  0  1   0 1885 41.27687     White
## 145 26   1  25  92    1     1   0  0  0   0 1928 41.73046     White

5.5.3.Hiển thị số cột (biến số) của data frame “bw4”

ncol(bw4)
## [1] 13

5.5.4.Hiển thị số cột (biến số) của data frame “bw4”

nrow(bw4)
## [1] 30


5.6.Tạo “bw5” như “bw4”

5.6.1.Tạo data frame “bw5” từ data frame “bw4” có sẵn

bw5 = bw4

5.6.2.Hiển thị 6 quan sát đầu tiên của data frame “bw5”

head(bw5)
##     id low age lwt race smoke ptl ht ui ftv  bwt      mwt ethnicity
## 131  4   1  28 120    3     1   1  0  1   0  709 54.43104     Other
## 133 11   1  34 187    2     1   0  1  0   0 1135 84.82170     Black
## 140 20   1  21 165    1     1   0  1  0   1 1790 74.84268     White
## 141 22   1  32 105    1     1   0  0  0   0 1818 47.62716     White
## 142 23   1  19  91    1     1   2  0  1   0 1885 41.27687     White
## 145 26   1  25  92    1     1   0  0  0   0 1928 41.73046     White

5.6.3.Hiển thị số cột (biến số) của data frame “bw5”

# Kết quả: Hiển thị số cột (biến số) của data frame "bw5"
ncol(bw5)
## [1] 13

5.6.4.Hiển thị số hàng (quan sát) của data frame “bw5”

nrow(bw5)
## [1] 30



6.Sử dụng gói lệnh lessR và vẽ biểu đồ

if (!require(lessR)) install.packages("lessR")
## Loading required package: lessR
## 
## lessR 4.4.2                         feedback: gerbing@pdx.edu 
## --------------------------------------------------------------
## > d <- Read("")  Read data file, many formats available, e.g., Excel
##   d is default data frame, data= in analysis routines optional
## 
## Many examples of reading, writing, and manipulating data, 
## graphics, testing means and proportions, regression, factor analysis,
## customization, forecasting, and aggregation from pivot tables
##   Enter: browseVignettes("lessR")
## 
## View lessR updates, now including time series forecasting
##   Enter: news(package="lessR")
## 
## Interactive data analysis
##   Enter: interact()
## 
## Attaching package: 'lessR'
## The following object is masked from 'package:base':
## 
##     sort_by
library(lessR)

6.1.Vẽ biểu đồ phân bố histogram cân nặng của con (bwt)

6.1.1.Hiển thị thống kê mô tả của “bwt” trong data frame “bw”

summary(bw$bwt)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     709    2414    2977    2945    3487    4990

6.1.2.Biểu đồ Historgram mô tả phân bố cân nặng trẻ sơ sinh

Histogram(bwt, data = bw, main = "Biểu đồ Historgram mô tả phân bố cân nặng trẻ sơ sinh (gram)", xlab = "Cân nặng trẻ (gram)")

## >>> Suggestions 
## bin_width: set the width of each bin 
## bin_start: set the start of the first bin 
## bin_end: set the end of the last bin 
## Histogram(bwt, density=TRUE)  # smoothed curve + histogram 
## Plot(bwt)  # Violin/Box/Scatterplot (VBS) plot 
## 
## --- bwt --- 
##  
##       n   miss       mean         sd        min        mdn        max 
##      189      0    2944.59     729.21     709.00    2977.00    4990.00 
##  
## 
##   
## --- Outliers ---     from the box plot: 1 
##  
## Small        Large 
## -----        ----- 
##  709.0            
## 
## 
## Bin Width: 500 
## Number of Bins: 9 
##  
##          Bin  Midpnt  Count    Prop  Cumul.c  Cumul.p 
## ----------------------------------------------------- 
##   500 > 1000     750      1    0.01        1     0.01 
##  1000 > 1500    1250      4    0.02        5     0.03 
##  1500 > 2000    1750     14    0.07       19     0.10 
##  2000 > 2500    2250     40    0.21       59     0.31 
##  2500 > 3000    2750     38    0.20       97     0.51 
##  3000 > 3500    3250     45    0.24      142     0.75 
##  3500 > 4000    3750     38    0.20      180     0.95 
##  4000 > 4500    4250      7    0.04      187     0.99 
##  4500 > 5000    4750      2    0.01      189     1.00 
##


6.2.Vẽ biểu đồ thanh chủng tộc (ethnicity)

6.2.1.Hiển thị bảng tần suất của “ethnicity” trong data frame “bw”

table(bw$ethnicity)
## 
## White Black Other 
##    96    26    67

6.2.2.Biểu đồ thanh mô tả phân bố chủng tộc của mẹ

BarChart(ethnicity, data = bw, main = "Biểu đồ thanh (Bar Chart) mô tả phân bố chủng tộc của mẹ", xlab = "Chủng tộc")

## >>> Suggestions
## BarChart(ethnicity, horiz=TRUE)  # horizontal bar chart
## BarChart(ethnicity, fill="reds")  # red bars of varying lightness
## PieChart(ethnicity)  # doughnut (ring) chart
## Plot(ethnicity)  # bubble plot
## Plot(ethnicity, stat="count")  # lollipop plot 
## 
## --- ethnicity --- 
## 
## Missing Values: 0 
## 
##                White  Black  Other     Total 
## Frequencies:      96     26     67       189 
## Proportions:   0.508  0.138  0.354     1.000 
## 
## Chi-squared test of null hypothesis of equal probabilities 
##   Chisq = 39.270, df = 2, p-value = 0.000


6.3.Vẽ biểu đồ tương quan giữa cân nặng của mẹ (lwt) và cân nặng của con (bwt)

6.3.1.Tính hệ số tương quan giữa “lwt” và “bwt” trong data frame “bw”

cor(bw$lwt, bw$bwt)
## [1] 0.1857333

6.3.2.Biểu đồ phân tán mô tả tương quan giữa cân nặng mẹ và trẻ sơ sinh

ScatterPlot(lwt, bwt, data = bw, fit = "lm", main = "Biểu đồ phân tán (Scatter Plot) mô tả tương quan giữa cân nặng mẹ và trẻ sơ sinh", xlab = "Cân nặng mẹ (pound)", ylab = "Cân nặng trẻ (gram)")

## 
## 
## >>> Suggestions  or  enter: style(suggest=FALSE)
## Plot(lwt, bwt, enhance=TRUE)  # many options
## Plot(lwt, bwt, color="red")  # exterior edge color of points
## Plot(lwt, bwt, out_cut=.10)  # label top 10% from center as outliers 
## 
## 
## >>> Pearson's product-moment correlation 
##  
## Number of paired values with neither missing, n = 189 
## Sample Correlation of lwt and bwt: r = 0.186 
##   
## Hypothesis Test of 0 Correlation:  t = 2.585,  df = 187,  p-value = 0.011 
## 95% Confidence Interval for Correlation:  0.044 to 0.320 
##   
## 
##   Line: b0 = 2369.624    b1 = 4.429    Linear Model MSE = 516,155.173   Rsq = 0.034
##


6.4.Vẽ biểu đồ tương quan giữa cân nặng của mẹ và cân nặng của con theo chủng tộc

6.4.1.Tính hệ số tương quan giữa “lwt” và “bwt” theo từng nhóm “ethnicity”

by(bw[, c("lwt", "bwt")], bw$ethnicity, function(x) cor(x$lwt, x$bwt))
## bw$ethnicity: White
## [1] 0.1998637
## ------------------------------------------------------------ 
## bw$ethnicity: Black
## [1] 0.1507008
## ------------------------------------------------------------ 
## bw$ethnicity: Other
## [1] 0.2129624

6.4.2.Biểu đồ phân tán mô tả tương quan giữa cân nặng mẹ và trẻ theo chủng tộc

ScatterPlot(lwt, bwt, data = bw, by = ethnicity, fit = "lm", main = "Biểu đồ phân tán (Scatter Plot) mô tả tương quan giữa cân nặng mẹ và trẻ sơ sinh theo chủng tộc", xlab = "Cân nặng mẹ (pound)", ylab = "Cân nặng trẻ (gram)")

## 
## 
## >>> Suggestions  or  enter: style(suggest=FALSE)
## Plot(lwt, bwt, enhance=TRUE)  # many options
## Plot(lwt, bwt, fill="skyblue")  # interior fill color of points
## Plot(lwt, bwt, MD_cut=6)  # Mahalanobis distance from center > 6 is an outlier 
## 
## ethnicity: White  Line: b0 = 2442.418    b1 = 5.000    Linear Model MSE = 514,065.615   Rsq = 0.040
##  
## ethnicity: Black  Line: b0 = 2363.222    b1 = 2.428    Linear Model MSE = 415,263.548   Rsq = 0.023
##  
## ethnicity: Other  Line: b0 = 2070.778    b1 = 6.120    Linear Model MSE = 505,570.324   Rsq = 0.045
##