1. Histogramm matemaatika alatesti tulemuste kohta (lisa joonisele pealkiri):

hist(pisa$PV1MATH, main = "Matemaatika alatesti skooride jaotus")

2. Tee karpdiagramm, mis illustreerib meeste ja naiste matemaatika alatestide skoore

boxplot(pisa$PV1MATH ~ pisa$Gender)

3. Matemaatika ja lugemise alatestide tulemuste seos (lisa joonisele regressioonisirge)

plot(pisa$PV1MATH, pisa$PV1READ)
abline(lm(pisa$PV1READ~pisa$PV1MATH), lwd=3, col="blue")

4. Lugemise ja loodusteaduste alatestide tulemuste seos (lisa joonisele regressioonisirge)

plot(pisa$PV1READ, pisa$PV1SCI)
abline(lm(pisa$PV1SCI~pisa$PV1READ), lwd=3, col="blue")

5. Tulpdiagramm erinevate klasside lugemise alatesti skooride kohta

barplot(tapply(pisa$PV1READ, pisa$GR, mean, na.rm=TRUE))

6. Tee eraldi histogramm naiste ja meeste matemaatika alatesti tulemuste kohta: # Vihje # Ainult 9. klassi tulemuste eraldamiseks tabelist saab kasutada koodil?iku pisa[pisa$Grade == 9,]. # Naised: 1 # Mehed: 2

hist(pisa[pisa$Gender == 1,]$PV1MATH, xlab= "naised")

hist(pisa[pisa$Gender == 2,]$PV1MATH, xlab = "mehed")

Meeldetuletus
Esimese praktikumi teemad:
1. Osalejate keskmine vanus?

mean(pisa$AGE)
## [1] 15.81886

2. Kui palju tüdrukuid ja poisse oli uuringus?

table(pisa$Gender)
## 
##   1   2 
## 345 401

3. Kui palju õpilasi oli erinevates klassides?

table(pisa$GR)
## 
##   7   8   9 
##  15 202 529

4. Võta korrelatsioon matemaatik, lugemise ja loodusteaduste alatestide tulemuste vahel

library(psych)
corr.test(pisa[,25:27])
## Call:corr.test(x = pisa[, 25:27])
## Correlation matrix 
##         PV1MATH PV1READ PV1SCIE
## PV1MATH    1.00    0.77    0.83
## PV1READ    0.77    1.00    0.84
## PV1SCIE    0.83    0.84    1.00
## Sample Size 
## [1] 746
## Probability values (Entries above the diagonal are adjusted for multiple tests.) 
##         PV1MATH PV1READ PV1SCIE
## PV1MATH       0       0       0
## PV1READ       0       0       0
## PV1SCIE       0       0       0
## 
##  To see confidence intervals of the correlations, print with the short=FALSE option

5. Võrdle meeste ja naiste keskmisi t-testiga:
lugemine…

t.test(pisa$PV1READ ~ pisa$Gender)
## 
##  Welch Two Sample t-test
## 
## data:  pisa$PV1READ by pisa$Gender
## t = 7.251, df = 735.99, p-value = 1.049e-12
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  29.83468 51.98782
## sample estimates:
## mean in group 1 mean in group 2 
##        513.5414        472.6302

matemaatika…

t.test(pisa$PV1MATH ~ pisa$Gender)
## 
##  Welch Two Sample t-test
## 
## data:  pisa$PV1MATH by pisa$Gender
## t = -2.4794, df = 726.74, p-value = 0.01339
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -25.273729  -2.936305
## sample estimates:
## mean in group 1 mean in group 2 
##        498.0201        512.1252

loodusteadus…

t.test(pisa$PV1SCIE ~ pisa$Gender)
## 
##  Welch Two Sample t-test
## 
## data:  pisa$PV1SCIE by pisa$Gender
## t = -0.37242, df = 728.92, p-value = 0.7097
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -13.866146   9.444211
## sample estimates:
## mean in group 1 mean in group 2 
##        525.7908        528.0017

Millised olid alatestide keskmised väärtused?

apply(pisa[,25:27], 2, mean)
##  PV1MATH  PV1READ  PV1SCIE 
## 505.6021 491.5503 526.9792