R Programming Midterm 201701

Data

Excel 자료 읽어들이기

excel 파일을 잘 읽어들이는 xlsx 패키지를 올려놓고, 자료구조에 맞춰 argument 설정.
- Sheet 번호, startRow, colIndex, header 의 용도 파악.

midterm.roll <- read.xlsx("../data/midterm_02.xlsx", 
                          sheetIndex = 1, 
                          startRow = 3, 
                          endRow  = 30, 
                          colIndex = c(4, 10:49), 
                          colClasses = rep("character", 41), 
                          encoding = "UTF-8",
                          header = FALSE, 
                          stringsAsFactors = FALSE)
names(midterm.roll) <- c("id", paste("Q", 1:40, sep = ""))
kable(head(midterm.roll[, 2:21]))

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3	1	2	4	1
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3	3	2	1	2
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2	3	3	4	1
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3	1	2	1	2
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3	3	1	2	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3	3	2	3	3

kable(head(midterm.roll[, 22:41]))

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
3	3	2	2	2	3	2	3	1	3	1	2	2	1	2	4	3	1	4	3
1	3	1	2	1	3	2	2	2	1	1	4	1	2	2	4	3	4	3	4
1	4	1	1	3	2	2	3	3	4	4	2	3	2	2	2	3	1	3	3
1	3	1	3	1	1	2	4	1	1	1	4	1	2	2	2	1	1	3	4
4	3	4	2	4	3	4	4	2	2	4	4	1	2	2	4	2	1	1	4
1	3	3	2	4	3	2	2	2	1	4	2	4	1	2	2	3	2	2	3

str(midterm.roll)

## 'data.frame':    28 obs. of  41 variables:
##  $ id : chr  "20133301" "20133404" "20157096" "20143404" ...
##  $ Q1 : chr  "4" "4" "3" "4" ...
##  $ Q2 : chr  "3" "4" "3" "4" ...
##  $ Q3 : chr  "3" "4" "4" "3" ...
##  $ Q4 : chr  "2" "1" "2" "1" ...
##  $ Q5 : chr  "1" "1" "3" "1" ...
##  $ Q6 : chr  "1" "4" "4" "4" ...
##  $ Q7 : chr  "2" "2" "2" "2" ...
##  $ Q8 : chr  "3" "4" "4" "4" ...
##  $ Q9 : chr  "2" "1" "2" "1" ...
##  $ Q10: chr  "3" "2" "4" "2" ...
##  $ Q11: chr  "1" "1" "4" "2" ...
##  $ Q12: chr  "3" "4" "3" "4" ...
##  $ Q13: chr  "1" "1" "1" "1" ...
##  $ Q14: chr  "1" "1" "1" "1" ...
##  $ Q15: chr  "4" "2" "2" "2" ...
##  $ Q16: chr  "3" "3" "2" "3" ...
##  $ Q17: chr  "1" "3" "3" "1" ...
##  $ Q18: chr  "2" "2" "3" "2" ...
##  $ Q19: chr  "4" "1" "4" "1" ...
##  $ Q20: chr  "1" "2" "1" "2" ...
##  $ Q21: chr  "3" "1" "1" "1" ...
##  $ Q22: chr  "3" "3" "4" "3" ...
##  $ Q23: chr  "2" "1" "1" "1" ...
##  $ Q24: chr  "2" "2" "1" "3" ...
##  $ Q25: chr  "2" "1" "3" "1" ...
##  $ Q26: chr  "3" "3" "2" "1" ...
##  $ Q27: chr  "2" "2" "2" "2" ...
##  $ Q28: chr  "3" "2" "3" "4" ...
##  $ Q29: chr  "1" "2" "3" "1" ...
##  $ Q30: chr  "3" "1" "4" "1" ...
##  $ Q31: chr  "1" "1" "4" "1" ...
##  $ Q32: chr  "2" "4" "2" "4" ...
##  $ Q33: chr  "2" "1" "3" "1" ...
##  $ Q34: chr  "1" "2" "2" "2" ...
##  $ Q35: chr  "2" "2" "2" "2" ...
##  $ Q36: chr  "4" "4" "2" "2" ...
##  $ Q37: chr  "3" "3" "3" "1" ...
##  $ Q38: chr  "1" "4" "1" "1" ...
##  $ Q39: chr  "4" "3" "3" "3" ...
##  $ Q40: chr  "3" "4" "3" "4" ...

midterm <- midterm.roll[, -1]
kable(midterm[1:16])

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3
4	4	4	2	1	4	2	3	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	3	4	2	1	4	2	4	2	3	2	2	3	2	2	2
4	4	4	1	1	4	2	4	1	2	2	4	1	1	3	3
4	4	4	4	1	4	1	3	1	3	4	2	4	1	2	2
4	4	4	1	1	4	1	4	1	2	1	4	1	1	2	3
4	4	4	1	1	4	4	4	1	2	1	4	1	1	2	3
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	4	4	1	1	4	3	4	1	2	4	4	3	1	2	3
4	4	4	1	1	4	2	4	1	2	4	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	3	2	1	4	2	4	3	1	2	4	1	1	2	3
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
4	4	4	2	1	4	3	4	1	2	2	4	4	1	2	3
4	3	3	2	1	4	2	1	2	3	1	3	2	1	2	3
1	4	4	1	1	4	2	4	1	3	4	4	2	1	2	3
4	4	4	1	2	2	2	3	1	1	4	4	1	1	2	1
4	4	4	1	1	4	2	4	1	3	2	4	1	1	2	3
4	4	3	1	1	4	3	4	1	2	2	4	1	2	2	1
4	4	4	1	4	4	2	4	1	1	2	4	3	1	2	3
4	4	4	2	1	4	2	3	1	2	3	4	3	1	2	3

kable(midterm[17:33])

Q17	Q18	Q19	Q20	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33
1	2	4	1	3	3	2	2	2	3	2	3	1	3	1	2	2
3	2	1	2	1	3	1	2	1	3	2	2	2	1	1	4	1
3	3	4	1	1	4	1	1	3	2	2	3	3	4	4	2	3
1	2	1	2	1	3	1	3	1	1	2	4	1	1	1	4	1
3	1	2	3	4	3	4	2	4	3	4	4	2	2	4	4	1
3	2	3	3	1	3	3	2	4	3	2	2	2	1	4	2	4
3	2	1	1	2	3	2	1	3	3	4	1	2	2	1	2	4
4	2	1	2	1	3	4	3	1	3	2	4	1	1	2	4	1
1	2	4	1	1	1	3	2	2	3	4	4	1	1	4	1	3
3	2	3	2	1	2	3	3	1	3	4	4	2	4	1	4	4
3	2	3	3	2	3	4	1	2	1	4	3	2	3	4	2	3
3	2	1	2	1	4	4	3	3	3	2	1	1	3	1	4	1
3	2	1	2	1	3	1	3	1	3	2	2	1	1	1	4	1
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	1	3	1	1	4	4	1	2	1	2	2	2	1	3	4	1
3	2	2	2	1	3	1	2	3	3	4	2	4	1	1	2	1
3	2	3	2	1	3	2	3	1	3	2	4	1	1	1	4	1
3	2	3	4	1	3	1	1	4	1	4	1	2	1	1	2	3
3	2	3	2	1	3	1	2	4	3	2	1	2	1	4	2	1
3	2	3	1	1	4	4	1	1	4	4	4	1	1	1	4	1
3	2	2	2	1	4	2	3	1	3	4	3	1	2	1	2	1
3	1	3	4	2	4	2	2	4	3	2	4	1	1	1	2	3
3	2	3	2	1	3	2	3	1	3	2	2	1	1	4	2	1
3	2	1	2	1	3	3	1	4	4	4	2	2	2	4	4	4
3	2	1	2	1	3	1	3	1	1	2	2	1	1	1	4	1
3	2	1	2	1	3	2	2	4	1	2	3	2	1	1	4	1
3	1	3	2	1	4	3	2	1	1	4	1	1	1	4	3	1
3	2	1	3	4	2	4	1	1	1	4	1	4	1	1	4	2

`factor` 변환

midterm <- lapply(midterm, 
                  factor, 
                  levels = 1:4, 
                  labels = c("가", "나", "다", "라"))
str(midterm)

## List of 40
##  $ Q1 : Factor w/ 4 levels "가","나","다",..: 4 4 3 4 4 3 4 4 4 4 ...
##  $ Q2 : Factor w/ 4 levels "가","나","다",..: 3 4 3 4 4 4 4 4 3 4 ...
##  $ Q3 : Factor w/ 4 levels "가","나","다",..: 3 4 4 3 4 4 4 4 4 4 ...
##  $ Q4 : Factor w/ 4 levels "가","나","다",..: 2 1 2 1 2 1 2 1 2 1 ...
##  $ Q5 : Factor w/ 4 levels "가","나","다",..: 1 1 3 1 1 4 1 1 1 1 ...
##  $ Q6 : Factor w/ 4 levels "가","나","다",..: 1 4 4 4 4 2 4 4 4 4 ...
##  $ Q7 : Factor w/ 4 levels "가","나","다",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ Q8 : Factor w/ 4 levels "가","나","다",..: 3 4 4 4 4 4 3 4 4 4 ...
##  $ Q9 : Factor w/ 4 levels "가","나","다",..: 2 1 2 1 1 1 1 1 2 1 ...
##  $ Q10: Factor w/ 4 levels "가","나","다",..: 3 2 4 2 2 1 2 2 3 2 ...
##  $ Q11: Factor w/ 4 levels "가","나","다",..: 1 1 4 2 1 4 2 2 2 2 ...
##  $ Q12: Factor w/ 4 levels "가","나","다",..: 3 4 3 4 4 4 4 4 2 4 ...
##  $ Q13: Factor w/ 4 levels "가","나","다",..: 1 1 1 1 1 2 1 1 3 1 ...
##  $ Q14: Factor w/ 4 levels "가","나","다",..: 1 1 1 1 2 1 1 1 2 1 ...
##  $ Q15: Factor w/ 4 levels "가","나","다",..: 4 2 2 2 1 4 2 2 2 3 ...
##  $ Q16: Factor w/ 4 levels "가","나","다",..: 3 3 2 3 3 3 3 3 2 3 ...
##  $ Q17: Factor w/ 4 levels "가","나","다",..: 1 3 3 1 3 3 3 4 1 3 ...
##  $ Q18: Factor w/ 4 levels "가","나","다",..: 2 2 3 2 1 2 2 2 2 2 ...
##  $ Q19: Factor w/ 4 levels "가","나","다",..: 4 1 4 1 2 3 1 1 4 3 ...
##  $ Q20: Factor w/ 4 levels "가","나","다",..: 1 2 1 2 3 3 1 2 1 2 ...
##  $ Q21: Factor w/ 4 levels "가","나","다",..: 3 1 1 1 4 1 2 1 1 1 ...
##  $ Q22: Factor w/ 4 levels "가","나","다",..: 3 3 4 3 3 3 3 3 1 2 ...
##  $ Q23: Factor w/ 4 levels "가","나","다",..: 2 1 1 1 4 3 2 4 3 3 ...
##  $ Q24: Factor w/ 4 levels "가","나","다",..: 2 2 1 3 2 2 1 3 2 3 ...
##  $ Q25: Factor w/ 4 levels "가","나","다",..: 2 1 3 1 4 4 3 1 2 1 ...
##  $ Q26: Factor w/ 4 levels "가","나","다",..: 3 3 2 1 3 3 3 3 3 3 ...
##  $ Q27: Factor w/ 4 levels "가","나","다",..: 2 2 2 2 4 2 4 2 4 4 ...
##  $ Q28: Factor w/ 4 levels "가","나","다",..: 3 2 3 4 4 2 1 4 4 4 ...
##  $ Q29: Factor w/ 4 levels "가","나","다",..: 1 2 3 1 2 2 2 1 1 2 ...
##  $ Q30: Factor w/ 4 levels "가","나","다",..: 3 1 4 1 2 1 2 1 1 4 ...
##  $ Q31: Factor w/ 4 levels "가","나","다",..: 1 1 4 1 4 4 1 2 4 1 ...
##  $ Q32: Factor w/ 4 levels "가","나","다",..: 2 4 2 4 4 2 2 4 1 4 ...
##  $ Q33: Factor w/ 4 levels "가","나","다",..: 2 1 3 1 1 4 4 1 3 4 ...
##  $ Q34: Factor w/ 4 levels "가","나","다",..: 1 2 2 2 2 1 2 2 2 1 ...
##  $ Q35: Factor w/ 4 levels "가","나","다",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ Q36: Factor w/ 4 levels "가","나","다",..: 4 4 2 2 4 2 4 2 2 1 ...
##  $ Q37: Factor w/ 4 levels "가","나","다",..: 3 3 3 1 2 3 2 3 3 2 ...
##  $ Q38: Factor w/ 4 levels "가","나","다",..: 1 4 1 1 1 2 3 2 3 1 ...
##  $ Q39: Factor w/ 4 levels "가","나","다",..: 4 3 3 3 1 2 1 3 4 4 ...
##  $ Q40: Factor w/ 4 levels "가","나","다",..: 3 4 3 4 4 3 4 4 3 4 ...

midterm <- data.frame(midterm, 
                      row.names = NULL)
str(midterm)

## 'data.frame':    28 obs. of  40 variables:
##  $ Q1 : Factor w/ 4 levels "가","나","다",..: 4 4 3 4 4 3 4 4 4 4 ...
##  $ Q2 : Factor w/ 4 levels "가","나","다",..: 3 4 3 4 4 4 4 4 3 4 ...
##  $ Q3 : Factor w/ 4 levels "가","나","다",..: 3 4 4 3 4 4 4 4 4 4 ...
##  $ Q4 : Factor w/ 4 levels "가","나","다",..: 2 1 2 1 2 1 2 1 2 1 ...
##  $ Q5 : Factor w/ 4 levels "가","나","다",..: 1 1 3 1 1 4 1 1 1 1 ...
##  $ Q6 : Factor w/ 4 levels "가","나","다",..: 1 4 4 4 4 2 4 4 4 4 ...
##  $ Q7 : Factor w/ 4 levels "가","나","다",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ Q8 : Factor w/ 4 levels "가","나","다",..: 3 4 4 4 4 4 3 4 4 4 ...
##  $ Q9 : Factor w/ 4 levels "가","나","다",..: 2 1 2 1 1 1 1 1 2 1 ...
##  $ Q10: Factor w/ 4 levels "가","나","다",..: 3 2 4 2 2 1 2 2 3 2 ...
##  $ Q11: Factor w/ 4 levels "가","나","다",..: 1 1 4 2 1 4 2 2 2 2 ...
##  $ Q12: Factor w/ 4 levels "가","나","다",..: 3 4 3 4 4 4 4 4 2 4 ...
##  $ Q13: Factor w/ 4 levels "가","나","다",..: 1 1 1 1 1 2 1 1 3 1 ...
##  $ Q14: Factor w/ 4 levels "가","나","다",..: 1 1 1 1 2 1 1 1 2 1 ...
##  $ Q15: Factor w/ 4 levels "가","나","다",..: 4 2 2 2 1 4 2 2 2 3 ...
##  $ Q16: Factor w/ 4 levels "가","나","다",..: 3 3 2 3 3 3 3 3 2 3 ...
##  $ Q17: Factor w/ 4 levels "가","나","다",..: 1 3 3 1 3 3 3 4 1 3 ...
##  $ Q18: Factor w/ 4 levels "가","나","다",..: 2 2 3 2 1 2 2 2 2 2 ...
##  $ Q19: Factor w/ 4 levels "가","나","다",..: 4 1 4 1 2 3 1 1 4 3 ...
##  $ Q20: Factor w/ 4 levels "가","나","다",..: 1 2 1 2 3 3 1 2 1 2 ...
##  $ Q21: Factor w/ 4 levels "가","나","다",..: 3 1 1 1 4 1 2 1 1 1 ...
##  $ Q22: Factor w/ 4 levels "가","나","다",..: 3 3 4 3 3 3 3 3 1 2 ...
##  $ Q23: Factor w/ 4 levels "가","나","다",..: 2 1 1 1 4 3 2 4 3 3 ...
##  $ Q24: Factor w/ 4 levels "가","나","다",..: 2 2 1 3 2 2 1 3 2 3 ...
##  $ Q25: Factor w/ 4 levels "가","나","다",..: 2 1 3 1 4 4 3 1 2 1 ...
##  $ Q26: Factor w/ 4 levels "가","나","다",..: 3 3 2 1 3 3 3 3 3 3 ...
##  $ Q27: Factor w/ 4 levels "가","나","다",..: 2 2 2 2 4 2 4 2 4 4 ...
##  $ Q28: Factor w/ 4 levels "가","나","다",..: 3 2 3 4 4 2 1 4 4 4 ...
##  $ Q29: Factor w/ 4 levels "가","나","다",..: 1 2 3 1 2 2 2 1 1 2 ...
##  $ Q30: Factor w/ 4 levels "가","나","다",..: 3 1 4 1 2 1 2 1 1 4 ...
##  $ Q31: Factor w/ 4 levels "가","나","다",..: 1 1 4 1 4 4 1 2 4 1 ...
##  $ Q32: Factor w/ 4 levels "가","나","다",..: 2 4 2 4 4 2 2 4 1 4 ...
##  $ Q33: Factor w/ 4 levels "가","나","다",..: 2 1 3 1 1 4 4 1 3 4 ...
##  $ Q34: Factor w/ 4 levels "가","나","다",..: 1 2 2 2 2 1 2 2 2 1 ...
##  $ Q35: Factor w/ 4 levels "가","나","다",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ Q36: Factor w/ 4 levels "가","나","다",..: 4 4 2 2 4 2 4 2 2 1 ...
##  $ Q37: Factor w/ 4 levels "가","나","다",..: 3 3 3 1 2 3 2 3 3 2 ...
##  $ Q38: Factor w/ 4 levels "가","나","다",..: 1 4 1 1 1 2 3 2 3 1 ...
##  $ Q39: Factor w/ 4 levels "가","나","다",..: 4 3 3 3 1 2 1 3 4 4 ...
##  $ Q40: Factor w/ 4 levels "가","나","다",..: 3 4 3 4 4 3 4 4 3 4 ...

답안 분포

kable(midterm[1:20])

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
라	다	다	나	가	가	나	다	나	다	가	다	가	가	라	다	가	나	라	가
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	가	나
다	다	라	나	다	라	나	라	나	라	라	다	가	가	나	나	다	다	라	가
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	가	나	가	나
라	라	라	나	가	라	나	라	가	나	가	라	가	나	가	다	다	가	나	다
다	라	라	가	라	나	나	라	가	가	라	라	나	가	라	다	다	나	다	다
라	라	라	나	가	라	나	다	가	나	나	라	가	가	나	다	다	나	가	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	라	나	가	나
라	다	라	나	가	라	나	라	나	다	나	나	다	나	나	나	가	나	라	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	다	다	다	나	다	나
라	라	라	라	가	라	가	다	가	다	라	나	라	가	나	나	다	나	다	다
라	라	라	가	가	라	가	라	가	나	가	라	가	가	나	다	다	나	가	나
라	라	라	가	가	라	라	라	가	나	가	라	가	가	나	다	다	나	가	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
라	라	라	가	가	라	다	라	가	나	라	라	다	가	나	다	다	가	다	가
라	라	라	가	가	라	나	라	가	나	라	라	가	가	나	다	다	나	나	나
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	다	나	가	라	나	라	다	가	나	라	가	가	나	다	다	나	다	라
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	다	가
라	라	라	나	가	라	다	라	가	나	나	라	라	가	나	다	다	나	나	나
라	다	다	나	가	라	나	가	나	다	가	다	나	가	나	다	다	가	다	라
가	라	라	가	가	라	나	라	가	다	라	라	나	가	나	다	다	나	다	나
라	라	라	가	나	나	나	다	가	가	라	라	가	가	나	가	다	나	가	나
라	라	라	가	가	라	나	라	가	다	나	라	가	가	나	다	다	나	가	나
라	라	다	가	가	라	다	라	가	나	나	라	가	나	나	가	다	나	가	나
라	라	라	가	라	라	나	라	가	가	나	라	다	가	나	다	다	가	다	나
라	라	라	나	가	라	나	다	가	나	다	라	다	가	나	다	다	나	가	다

kable(midterm[21:40])

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
다	다	나	나	나	다	나	다	가	다	가	나	나	가	나	라	다	가	라	다
가	다	가	나	가	다	나	나	나	가	가	라	가	나	나	라	다	라	다	라
가	라	가	가	다	나	나	다	다	라	라	나	다	나	나	나	다	가	다	다
가	다	가	다	가	가	나	라	가	가	가	라	가	나	나	나	가	가	다	라
라	다	라	나	라	다	라	라	나	나	라	라	가	나	나	라	나	가	가	라
가	다	다	나	라	다	나	나	나	가	라	나	라	가	나	나	다	나	나	다
나	다	나	가	다	다	라	가	나	나	가	나	라	나	나	라	나	다	가	라
가	다	라	다	가	다	나	라	가	가	나	라	가	나	나	나	다	나	다	라
가	가	다	나	나	다	라	라	가	가	라	가	다	나	나	나	다	다	라	다
가	나	다	다	가	다	라	라	나	라	가	라	라	가	나	가	나	가	라	라
나	다	라	가	나	가	라	다	나	다	라	나	다	나	나	라	나	나	가	다
가	라	라	다	다	다	나	가	가	다	가	라	가	나	나	나	다	나	라	다
가	다	가	다	가	다	나	나	가	가	가	라	가	나	나	나	가	나	다	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
가	라	라	가	나	가	나	나	나	가	다	라	가	가	나	나	다	라	다	다
가	다	가	나	다	다	라	나	라	가	가	나	가	나	나	라	가	나	나	다
가	다	나	다	가	다	나	라	가	가	가	라	가	나	나	나	가	나	다	라
가	다	가	가	라	가	라	가	나	가	가	나	다	나	나	나	다	나	가	라
가	다	가	나	라	다	나	가	나	가	라	나	가	나	나	라	나	가	나	라
가	라	라	가	가	라	라	라	가	가	가	라	가	나	나	나	가	나	나	다
가	라	나	다	가	다	라	다	가	나	가	나	가	나	나	나	가	가	나	다
나	라	나	나	라	다	나	라	가	가	가	나	다	나	나	나	가	가	나	다
가	다	나	다	가	다	나	나	가	가	라	나	가	나	나	나	다	가	다	라
가	다	다	가	라	라	라	나	나	나	라	라	라	라	가	나	다	가	다	라
가	다	가	다	가	가	나	나	가	가	가	라	가	나	나	나	가	라	나	라
가	다	나	나	라	가	나	다	나	가	가	라	가	나	나	나	다	나	다	라
가	라	다	나	가	가	라	가	가	가	라	다	가	라	나	나	나	다	라	다
라	나	라	가	가	가	라	가	라	가	가	라	나	다	라	나	가	다	라	다

kable(t(sapply(midterm, table)))

	가	나	다	라
Q1	1	0	2	24
Q2	0	0	4	23
Q3	0	0	6	21
Q4	17	9	0	1
Q5	23	1	1	2
Q6	1	2	0	24
Q7	2	21	3	1
Q8	1	0	5	21
Q9	22	4	1	0
Q10	4	16	6	1
Q11	7	12	1	7
Q12	0	2	3	22
Q13	18	3	4	2
Q14	24	3	0	0
Q15	1	23	1	2
Q16	2	3	22	0
Q17	3	0	23	1
Q18	4	22	1	0
Q19	10	3	11	3
Q20	6	15	4	2
Q21	21	3	1	2
Q22	1	2	17	7
Q23	8	7	5	7
Q24	8	10	9	0
Q25	12	4	4	7
Q26	8	1	16	2
Q27	0	15	0	12
Q28	6	8	5	8
Q29	13	11	1	2
Q30	18	4	3	2
Q31	16	1	1	9
Q32	1	11	1	14
Q33	16	2	5	4
Q34	4	20	1	2
Q35	1	25	0	1
Q36	1	19	0	7
Q37	9	6	12	0
Q38	10	10	4	3
Q39	4	7	10	6
Q40	0	1	13	13

barplot

막대그래프로 답안 분포를 시각적으로 살핀다. 차후 나오는 정답률과 함께 어느 문항에서 어느 답안을 많이 고르는지 파악하는 데 활용한다.

# par(family = "Malgun Gothic", 
par(mar = c(5.1, 4.1, 4.1, 8.1))
midterm.tbl <- sapply(midterm, 
                      table, 
                      useNA = "no")
kable(midterm.tbl[, 1:20])

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	1	0	0	17	23	1	2	1	22	4	7	0	18	24	1	2	3	4	10	6
나	0	0	0	9	1	2	21	0	4	16	12	2	3	3	23	3	0	22	3	15
다	2	4	6	0	1	0	3	5	1	6	1	3	4	0	1	22	23	1	11	4
라	24	23	21	1	2	24	1	21	0	1	7	22	2	0	2	0	1	0	3	2

kable(midterm.tbl[, 21:40])

	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
가	21	1	8	8	12	8	0	6	13	18	16	1	16	4	1	1	9	10	4	0
나	3	2	7	10	4	1	15	8	11	4	1	11	2	20	25	19	6	10	7	1
다	1	17	5	9	4	16	0	5	1	3	1	1	5	1	0	0	12	4	10	13
라	2	7	7	0	7	2	12	8	2	2	9	14	4	2	1	7	0	3	6	13

str(midterm.tbl)

##  int [1:4, 1:40] 1 0 2 24 0 0 4 23 0 0 ...
##  - attr(*, "dimnames")=List of 2
##   ..$ : chr [1:4] "가" "나" "다" "라"
##   ..$ : chr [1:40] "Q1" "Q2" "Q3" "Q4" ...

midterm.ptbl <- round(apply(midterm.tbl, 
                            2, 
                            prop.table) * 100, 
                      digits = 0)
kable(midterm.ptbl[, 1:20])

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	4	0	0	63	85	4	7	4	81	15	26	0	67	89	4	7	11	15	37	22
나	0	0	0	33	4	7	78	0	15	59	44	7	11	11	85	11	0	81	11	56
다	7	15	22	0	4	0	11	19	4	22	4	11	15	0	4	81	85	4	41	15
라	89	85	78	4	7	89	4	78	0	4	26	81	7	0	7	0	4	0	11	7

kable(midterm.ptbl[, 21:40])

	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
가	78	4	30	30	44	30	0	22	48	67	59	4	59	15	4	4	33	37	15	0
나	11	7	26	37	15	4	56	30	41	15	4	41	7	74	93	70	22	37	26	4
다	4	63	19	33	15	59	0	19	4	11	4	4	19	4	0	0	44	15	37	48
라	7	26	26	0	26	7	44	30	7	7	33	52	15	7	4	26	0	11	22	48

str(midterm.ptbl)

##  num [1:4, 1:40] 4 0 7 89 0 0 15 85 0 0 ...
##  - attr(*, "dimnames")=List of 2
##   ..$ : chr [1:4] "가" "나" "다" "라"
##   ..$ : chr [1:40] "Q1" "Q2" "Q3" "Q4" ...

label.ptbl <- matrix(paste(format(midterm.ptbl, 
                                  digits = 2, 
                                  nsmall = 0), 
                           "%", 
                           sep =""), 
                     nrow = 4)
label.ptbl <- ifelse(label.ptbl == "  0%", "", label.ptbl)
label.ptbl[, 1:10]

##      [,1]  [,2]  [,3]  [,4]  [,5]  [,6]  [,7]  [,8]  [,9]  [,10]
## [1,] " 4%" " 0%" " 0%" "63%" "85%" " 4%" " 7%" " 4%" "81%" "15%"
## [2,] " 0%" " 0%" " 0%" "33%" " 4%" " 7%" "78%" " 0%" "15%" "59%"
## [3,] " 7%" "15%" "22%" " 0%" " 4%" " 0%" "11%" "19%" " 4%" "22%"
## [4,] "89%" "85%" "78%" " 4%" " 7%" "89%" " 4%" "78%" " 0%" " 4%"

b <- barplot(matrix(midterm.tbl, nrow = 4), 
             horiz = TRUE, 
             axes = FALSE, 
             col = rainbow(4), 
             names.arg = colnames(midterm.tbl), 
             las = 1, 
             xpd = TRUE, 
             legend.text = rownames(midterm.tbl), 
             args.legend = list(x = 35, y = 42))
max(b)

## [1] 47.5

midterm.tbl[1, ]

##  Q1  Q2  Q3  Q4  Q5  Q6  Q7  Q8  Q9 Q10 Q11 Q12 Q13 Q14 Q15 Q16 Q17 Q18 Q19 Q20 Q21 Q22 Q23 Q24 Q25 Q26 Q27 Q28 Q29 Q30 Q31 Q32 Q33 Q34 Q35 Q36 Q37 Q38 Q39 Q40 
##   1   0   0  17  23   1   2   1  22   4   7   0  18  24   1   2   3   4  10   6  21   1   8   8  12   8   0   6  13  18  16   1  16   4   1   1   9  10   4   0

text(x = midterm.tbl[1, ] / 2, 
     y = b, 
     labels = label.ptbl[1, ])
text(x = midterm.tbl[1, ] + midterm.tbl[2, ] / 2 , 
     y = b, 
     labels = label.ptbl[2, ])
text(x = midterm.tbl[1, ] + midterm.tbl[2, ] + midterm.tbl[3, ] / 2, 
     y = b, 
     labels = label.ptbl[3, ])
text(x = midterm.tbl[1, ] + midterm.tbl[2, ] + midterm.tbl[3, ] + midterm.tbl[4, ]/ 2, 
     y = b, 
     labels = label.ptbl[4, ])

점수

정답 맞춰보기
- 정답 읽어들이기. what = ""로 설정하여 char취급.

(ans <- scan("../data/ans.txt", what = ""))

##  [1] "라" "라" "라" "가" "가" "라" "나" "라" "가" "나" "나" "라" "가" "가" "나" "다" "다" "나" "가" "나" "가" "다" "가" "다" "가" "다" "나" "나" "가" "가" "가" "라" "가" "나" "나"
## [36] "나" "가" "나" "다" "나"

각 학생들의 답안과 맞춰보기 위하여 정답표 작성.
- 문항별로 정답과 비교하기 위하여 각 문항을 리스트의 원소로 분리
- split() 의 기능과 한계에 유의. factor 성격으로부터 1, 10, 11, ..., 2, 20, ..., 3, 4, 5, ... , 9로 순서를 잡게 되므로 다시 한번 정리할 필요.

(ans.l <- split(ans, 
                f = paste("A", 1:40, sep = "")))

## $A1
## [1] "라"
## 
## $A10
## [1] "나"
## 
## $A11
## [1] "나"
## 
## $A12
## [1] "라"
## 
## $A13
## [1] "가"
## 
## $A14
## [1] "가"
## 
## $A15
## [1] "나"
## 
## $A16
## [1] "다"
## 
## $A17
## [1] "다"
## 
## $A18
## [1] "나"
## 
## $A19
## [1] "가"
## 
## $A2
## [1] "라"
## 
## $A20
## [1] "나"
## 
## $A21
## [1] "가"
## 
## $A22
## [1] "다"
## 
## $A23
## [1] "가"
## 
## $A24
## [1] "다"
## 
## $A25
## [1] "가"
## 
## $A26
## [1] "다"
## 
## $A27
## [1] "나"
## 
## $A28
## [1] "나"
## 
## $A29
## [1] "가"
## 
## $A3
## [1] "라"
## 
## $A30
## [1] "가"
## 
## $A31
## [1] "가"
## 
## $A32
## [1] "라"
## 
## $A33
## [1] "가"
## 
## $A34
## [1] "나"
## 
## $A35
## [1] "나"
## 
## $A36
## [1] "나"
## 
## $A37
## [1] "가"
## 
## $A38
## [1] "나"
## 
## $A39
## [1] "다"
## 
## $A4
## [1] "가"
## 
## $A40
## [1] "나"
## 
## $A5
## [1] "가"
## 
## $A6
## [1] "라"
## 
## $A7
## [1] "나"
## 
## $A8
## [1] "라"
## 
## $A9
## [1] "가"

(ans.l.2 <- ans.l[paste("A", 1:40, sep = "")])

## $A1
## [1] "라"
## 
## $A2
## [1] "라"
## 
## $A3
## [1] "라"
## 
## $A4
## [1] "가"
## 
## $A5
## [1] "가"
## 
## $A6
## [1] "라"
## 
## $A7
## [1] "나"
## 
## $A8
## [1] "라"
## 
## $A9
## [1] "가"
## 
## $A10
## [1] "나"
## 
## $A11
## [1] "나"
## 
## $A12
## [1] "라"
## 
## $A13
## [1] "가"
## 
## $A14
## [1] "가"
## 
## $A15
## [1] "나"
## 
## $A16
## [1] "다"
## 
## $A17
## [1] "다"
## 
## $A18
## [1] "나"
## 
## $A19
## [1] "가"
## 
## $A20
## [1] "나"
## 
## $A21
## [1] "가"
## 
## $A22
## [1] "다"
## 
## $A23
## [1] "가"
## 
## $A24
## [1] "다"
## 
## $A25
## [1] "가"
## 
## $A26
## [1] "다"
## 
## $A27
## [1] "나"
## 
## $A28
## [1] "나"
## 
## $A29
## [1] "가"
## 
## $A30
## [1] "가"
## 
## $A31
## [1] "가"
## 
## $A32
## [1] "라"
## 
## $A33
## [1] "가"
## 
## $A34
## [1] "나"
## 
## $A35
## [1] "나"
## 
## $A36
## [1] "나"
## 
## $A37
## [1] "가"
## 
## $A38
## [1] "나"
## 
## $A39
## [1] "다"
## 
## $A40
## [1] "나"

정답과 대조하여 R(Right)/W(Wrong) 표시

채점표라는 의미의 midterm.marks 로 저장, (# 표시한 방식으로는 작동하지 않음)

# midterm.marks.rw.q1_3 <- mapply(function(x, y) factor(ifelse(x == y, "R", "W")), y = ans.l.2[1:3], midterm[, 1:3])
midterm.marks.rw <- mapply(function(x, y) factor(ifelse(x == y, "R", "W")), y = ans.l.2, midterm)
# midterm.marks.rw <- mapply(function(x, y = ans.l.2) factor(ifelse(x == y, "R", "W")), midterm[, -26])
# midterm.marks.rw <- sapply(midterm, function(x, y = ans.l.2) factor(ifelse(x == y, "R", "W")))
kable(midterm.marks.rw[, 1:20])

A1	A2	A3	A4	A5	A6	A7	A8	A9	A10	A11	A12	A13	A14	A15	A16	A17	A18	A19	A20
R	W	W	W	R	W	R	W	W	W	W	W	R	R	W	R	W	R	W	W
R	R	R	R	R	R	R	R	R	R	W	R	R	R	R	R	R	R	R	R
W	W	R	W	W	R	R	R	W	W	W	W	R	R	R	W	R	W	W	W
R	R	W	R	R	R	R	R	R	R	R	R	R	R	R	R	W	R	R	R
R	R	R	W	R	R	R	R	R	R	W	R	R	W	W	R	R	W	W	W
W	R	R	R	W	W	R	R	R	W	W	R	W	R	W	R	R	R	W	W
R	R	R	W	R	R	R	W	R	R	R	R	R	R	R	R	R	R	R	W
R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	W	R	R	R
R	W	R	W	R	R	R	R	W	W	R	W	W	W	R	W	W	R	W	W
R	R	R	R	R	R	R	R	R	R	R	R	R	R	W	R	R	R	W	R
R	R	R	W	R	R	W	W	R	W	W	W	W	R	R	W	R	R	W	W
R	R	R	R	R	R	W	R	R	R	W	R	R	R	R	R	R	R	R	R
R	R	R	R	R	R	W	R	R	R	W	R	R	R	R	R	R	R	R	R
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
R	R	R	R	R	R	W	R	R	R	W	R	W	R	R	R	R	W	W	W
R	R	R	R	R	R	R	R	R	R	W	R	R	R	R	R	R	R	W	R
R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	W	R
R	R	W	W	R	R	R	R	W	W	R	R	R	R	R	R	R	R	W	W
R	R	W	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	W	R
R	R	R	R	R	R	R	R	R	R	W	R	R	R	R	R	R	R	W	W
R	R	R	W	R	R	W	R	R	R	R	R	W	R	R	R	R	R	W	R
R	W	W	W	R	R	R	W	W	W	W	W	W	R	R	R	R	W	W	W
W	R	R	R	R	R	R	R	R	W	W	R	W	R	R	R	R	R	W	R
R	R	R	R	W	W	R	W	R	W	W	R	R	R	R	W	R	R	R	R
R	R	R	R	R	R	R	R	R	W	R	R	R	R	R	R	R	R	R	R
R	R	W	R	R	R	W	R	R	R	R	R	R	W	R	W	R	R	R	R
R	R	R	R	W	R	R	R	R	W	R	R	W	R	R	R	R	W	W	R
R	R	R	W	R	R	R	W	R	R	W	R	W	R	R	R	R	R	R	W

kable(midterm.marks.rw[, 21:40])

A21	A22	A23	A24	A25	A26	A27	A28	A29	A30	A31	A32	A33	A34	A35	A36	A37	A38	A39	A40
W	R	W	W	W	R	R	W	R	W	R	W	W	W	R	W	W	W	W	W
R	R	R	W	R	R	R	R	W	R	R	R	R	R	R	W	W	W	R	W
R	W	R	W	W	W	R	W	W	W	W	W	W	R	R	R	W	W	R	W
R	R	R	R	R	W	R	W	R	R	R	R	R	R	R	R	R	W	R	W
W	R	W	W	W	R	W	W	W	W	W	R	R	R	R	W	W	W	W	W
R	R	W	W	W	R	R	R	W	R	W	W	W	W	R	R	W	R	W	W
W	R	W	W	W	R	W	W	W	W	R	W	W	R	R	W	W	W	W	W
R	R	W	R	R	R	R	W	R	R	W	R	R	R	R	R	W	R	R	W
R	W	W	W	W	R	W	W	R	R	W	W	W	R	R	R	W	W	W	W
R	W	W	R	R	R	W	W	W	W	R	R	W	W	R	W	W	W	W	W
W	R	W	W	W	W	W	W	W	W	W	W	W	R	R	W	W	R	W	W
R	W	W	R	W	R	R	W	R	W	R	R	R	R	R	R	W	R	W	W
R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R	R
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
R	W	W	W	W	W	R	R	W	R	W	R	R	W	R	R	W	W	R	W
R	R	R	W	W	R	W	R	W	R	R	W	R	R	R	W	R	R	W	W
R	R	W	R	R	R	R	W	R	R	R	R	R	R	R	R	R	R	R	W
R	R	R	W	W	W	W	W	W	R	R	W	W	R	R	R	W	R	W	W
R	R	R	W	W	R	R	W	W	R	W	W	R	R	R	W	W	W	W	W
R	W	W	W	R	W	W	W	R	R	R	R	R	R	R	R	R	R	W	W
R	W	W	R	R	R	W	W	R	W	R	W	R	R	R	R	R	W	W	W
W	W	W	W	W	R	R	W	R	R	R	W	W	R	R	R	R	W	W	W
R	R	W	R	R	R	R	R	R	R	W	W	R	R	R	R	W	W	R	W
R	R	W	W	W	W	W	R	W	W	W	R	W	W	W	R	W	W	R	W
R	R	R	R	R	W	R	R	R	R	R	R	R	R	R	R	R	W	W	W
R	R	W	W	W	W	R	W	W	R	R	R	R	R	R	R	W	R	R	W
R	W	W	W	R	W	W	W	R	R	W	W	R	W	R	R	W	W	W	W
W	W	W	W	R	W	W	W	W	R	R	R	W	W	W	R	R	W	W	W

학생별 점수 산출

정답을 집계하기 위하여 “R” 갯수를 다시 산출하는 ifelse() 적용.
- 4점씩 곱하면 100점 만점 기준의 점수가 됨.
- 답안지는 작성해서 제출했지만 빈칸이 있는 경우는 그 문항을 0점 처리, 결석의 경우는 점수가 모두 0으로 나오는 경우를 NA처리

midterm.marks <- ifelse(midterm.marks.rw == "R", 1, 0)
kable(midterm.marks[, 1:20])

A1	A2	A3	A4	A5	A6	A7	A8	A9	A10	A11	A12	A13	A14	A15	A16	A17	A18	A19	A20
1	0	0	0	1	0	1	0	0	0	0	0	1	1	0	1	0	1	0	0
1	1	1	1	1	1	1	1	1	1	0	1	1	1	1	1	1	1	1	1
0	0	1	0	0	1	1	1	0	0	0	0	1	1	1	0	1	0	0	0
1	1	0	1	1	1	1	1	1	1	1	1	1	1	1	1	0	1	1	1
1	1	1	0	1	1	1	1	1	1	0	1	1	0	0	1	1	0	0	0
0	1	1	1	0	0	1	1	1	0	0	1	0	1	0	1	1	1	0	0
1	1	1	0	1	1	1	0	1	1	1	1	1	1	1	1	1	1	1	0
1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	0	1	1	1
1	0	1	0	1	1	1	1	0	0	1	0	0	0	1	0	0	1	0	0
1	1	1	1	1	1	1	1	1	1	1	1	1	1	0	1	1	1	0	1
1	1	1	0	1	1	0	0	1	0	0	0	0	1	1	0	1	1	0	0
1	1	1	1	1	1	0	1	1	1	0	1	1	1	1	1	1	1	1	1
1	1	1	1	1	1	0	1	1	1	0	1	1	1	1	1	1	1	1	1
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1	1	1	1	1	1	0	1	1	1	0	1	0	1	1	1	1	0	0	0
1	1	1	1	1	1	1	1	1	1	0	1	1	1	1	1	1	1	0	1
1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	0	1
1	1	0	0	1	1	1	1	0	0	1	1	1	1	1	1	1	1	0	0
1	1	0	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	0	1
1	1	1	1	1	1	1	1	1	1	0	1	1	1	1	1	1	1	0	0
1	1	1	0	1	1	0	1	1	1	1	1	0	1	1	1	1	1	0	1
1	0	0	0	1	1	1	0	0	0	0	0	0	1	1	1	1	0	0	0
0	1	1	1	1	1	1	1	1	0	0	1	0	1	1	1	1	1	0	1
1	1	1	1	0	0	1	0	1	0	0	1	1	1	1	0	1	1	1	1
1	1	1	1	1	1	1	1	1	0	1	1	1	1	1	1	1	1	1	1
1	1	0	1	1	1	0	1	1	1	1	1	1	0	1	0	1	1	1	1
1	1	1	1	0	1	1	1	1	0	1	1	0	1	1	1	1	0	0	1
1	1	1	0	1	1	1	0	1	1	0	1	0	1	1	1	1	1	1	0

kable(midterm.marks[, 21:40])

A21	A22	A23	A24	A25	A26	A27	A28	A29	A30	A31	A32	A33	A34	A35	A36	A37	A38	A39	A40
0	1	0	0	0	1	1	0	1	0	1	0	0	0	1	0	0	0	0	0
1	1	1	0	1	1	1	1	0	1	1	1	1	1	1	0	0	0	1	0
1	0	1	0	0	0	1	0	0	0	0	0	0	1	1	1	0	0	1	0
1	1	1	1	1	0	1	0	1	1	1	1	1	1	1	1	1	0	1	0
0	1	0	0	0	1	0	0	0	0	0	1	1	1	1	0	0	0	0	0
1	1	0	0	0	1	1	1	0	1	0	0	0	0	1	1	0	1	0	0
0	1	0	0	0	1	0	0	0	0	1	0	0	1	1	0	0	0	0	0
1	1	0	1	1	1	1	0	1	1	0	1	1	1	1	1	0	1	1	0
1	0	0	0	0	1	0	0	1	1	0	0	0	1	1	1	0	0	0	0
1	0	0	1	1	1	0	0	0	0	1	1	0	0	1	0	0	0	0	0
0	1	0	0	0	0	0	0	0	0	0	0	0	1	1	0	0	1	0	0
1	0	0	1	0	1	1	0	1	0	1	1	1	1	1	1	0	1	0	0
1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1	0	0	0	0	0	1	1	0	1	0	1	1	0	1	1	0	0	1	0
1	1	1	0	0	1	0	1	0	1	1	0	1	1	1	0	1	1	0	0
1	1	0	1	1	1	1	0	1	1	1	1	1	1	1	1	1	1	1	0
1	1	1	0	0	0	0	0	0	1	1	0	0	1	1	1	0	1	0	0
1	1	1	0	0	1	1	0	0	1	0	0	1	1	1	0	0	0	0	0
1	0	0	0	1	0	0	0	1	1	1	1	1	1	1	1	1	1	0	0
1	0	0	1	1	1	0	0	1	0	1	0	1	1	1	1	1	0	0	0
0	0	0	0	0	1	1	0	1	1	1	0	0	1	1	1	1	0	0	0
1	1	0	1	1	1	1	1	1	1	0	0	1	1	1	1	0	0	1	0
1	1	0	0	0	0	0	1	0	0	0	1	0	0	0	1	0	0	1	0
1	1	1	1	1	0	1	1	1	1	1	1	1	1	1	1	1	0	0	0
1	1	0	0	0	0	1	0	0	1	1	1	1	1	1	1	0	1	1	0
1	0	0	0	1	0	0	0	1	1	0	0	1	0	1	1	0	0	0	0
0	0	0	0	1	0	0	0	0	1	1	1	0	0	0	1	1	0	0	0

midterm.score <- midterm.marks * 2.5
kable(data.frame("순번" = 1:nrow(midterm), midterm.score)[1:20])

순번	A1	A2	A3	A4	A5	A6	A7	A8	A9	A10	A11	A12	A13	A14	A15	A16	A17	A18	A19
1	2.5	0.0	0.0	0.0	2.5	0.0	2.5	0.0	0.0	0.0	0.0	0.0	2.5	2.5	0.0	2.5	0.0	2.5	0.0
2	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5
3	0.0	0.0	2.5	0.0	0.0	2.5	2.5	2.5	0.0	0.0	0.0	0.0	2.5	2.5	2.5	0.0	2.5	0.0	0.0
4	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5
5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	0.0	0.0	2.5	2.5	0.0	0.0
6	0.0	2.5	2.5	2.5	0.0	0.0	2.5	2.5	2.5	0.0	0.0	2.5	0.0	2.5	0.0	2.5	2.5	2.5	0.0
7	2.5	2.5	2.5	0.0	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5
8	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5
9	2.5	0.0	2.5	0.0	2.5	2.5	2.5	2.5	0.0	0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	2.5	0.0
10	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	0.0
11	2.5	2.5	2.5	0.0	2.5	2.5	0.0	0.0	2.5	0.0	0.0	0.0	0.0	2.5	2.5	0.0	2.5	2.5	0.0
12	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5
13	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5
14	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	0.0	2.5	0.0	2.5	2.5	2.5	2.5	0.0	0.0
16	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0
17	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0
18	2.5	2.5	0.0	0.0	2.5	2.5	2.5	2.5	0.0	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0
19	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0
20	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0
21	2.5	2.5	2.5	0.0	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	0.0
22	2.5	0.0	0.0	0.0	2.5	2.5	2.5	0.0	0.0	0.0	0.0	0.0	0.0	2.5	2.5	2.5	2.5	0.0	0.0
23	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	0.0	2.5	0.0	2.5	2.5	2.5	2.5	2.5	0.0
24	2.5	2.5	2.5	2.5	0.0	0.0	2.5	0.0	2.5	0.0	0.0	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5
25	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5
26	2.5	2.5	0.0	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	0.0	2.5	2.5	2.5
27	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	0.0	2.5	2.5	0.0	2.5	2.5	2.5	2.5	0.0	0.0
28	2.5	2.5	2.5	0.0	2.5	2.5	2.5	0.0	2.5	2.5	0.0	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5

# kable(data.frame("학번" = midterm.roll$id, midterm.score)[1:20])
kable(data.frame("순번" = 1:nrow(midterm), midterm.score)[21:40])

A20	A21	A22	A23	A24	A25	A26	A27	A28	A29	A30	A31	A32	A33	A34	A35	A36	A37	A38	A39
0.0	0.0	2.5	0.0	0.0	0.0	2.5	2.5	0.0	2.5	0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	0.0	0.0
2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	0.0	0.0	0.0	2.5
0.0	2.5	0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	0.0	0.0	0.0	0.0	2.5	2.5	2.5	0.0	0.0	2.5
2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5
0.0	0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	0.0	0.0	0.0	2.5	2.5	2.5	2.5	0.0	0.0	0.0	0.0
0.0	2.5	2.5	0.0	0.0	0.0	2.5	2.5	2.5	0.0	2.5	0.0	0.0	0.0	0.0	2.5	2.5	0.0	2.5	0.0
0.0	0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	0.0	0.0	2.5	0.0	0.0	2.5	2.5	0.0	0.0	0.0	0.0
2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	0.0	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5
0.0	2.5	0.0	0.0	0.0	0.0	2.5	0.0	0.0	2.5	2.5	0.0	0.0	0.0	2.5	2.5	2.5	0.0	0.0	0.0
2.5	2.5	0.0	0.0	2.5	2.5	2.5	0.0	0.0	0.0	0.0	2.5	2.5	0.0	0.0	2.5	0.0	0.0	0.0	0.0
0.0	0.0	2.5	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	2.5	2.5	0.0	0.0	2.5	0.0
2.5	2.5	0.0	0.0	2.5	0.0	2.5	2.5	0.0	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	0.0
2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
0.0	2.5	0.0	0.0	0.0	0.0	0.0	2.5	2.5	0.0	2.5	0.0	2.5	2.5	0.0	2.5	2.5	0.0	0.0	2.5
2.5	2.5	2.5	2.5	0.0	0.0	2.5	0.0	2.5	0.0	2.5	2.5	0.0	2.5	2.5	2.5	0.0	2.5	2.5	0.0
2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5
0.0	2.5	2.5	2.5	0.0	0.0	0.0	0.0	0.0	0.0	2.5	2.5	0.0	0.0	2.5	2.5	2.5	0.0	2.5	0.0
2.5	2.5	2.5	2.5	0.0	0.0	2.5	2.5	0.0	0.0	2.5	0.0	0.0	2.5	2.5	2.5	0.0	0.0	0.0	0.0
0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0
2.5	2.5	0.0	0.0	2.5	2.5	2.5	0.0	0.0	2.5	0.0	2.5	0.0	2.5	2.5	2.5	2.5	2.5	0.0	0.0
0.0	0.0	0.0	0.0	0.0	0.0	2.5	2.5	0.0	2.5	2.5	2.5	0.0	0.0	2.5	2.5	2.5	2.5	0.0	0.0
2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	0.0	2.5	2.5	2.5	2.5	0.0	0.0	2.5
2.5	2.5	2.5	0.0	0.0	0.0	0.0	0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	0.0	2.5	0.0	0.0	2.5
2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	0.0
2.5	2.5	2.5	0.0	0.0	0.0	0.0	2.5	0.0	0.0	2.5	2.5	2.5	2.5	2.5	2.5	2.5	0.0	2.5	2.5
2.5	2.5	0.0	0.0	0.0	2.5	0.0	0.0	0.0	2.5	2.5	0.0	0.0	2.5	0.0	2.5	2.5	0.0	0.0	0.0
0.0	0.0	0.0	0.0	0.0	2.5	0.0	0.0	0.0	0.0	2.5	2.5	2.5	0.0	0.0	0.0	2.5	2.5	0.0	0.0

# kable(data.frame("학번" = midterm.roll$id, midterm.score)[21:40])
midterm.score <- apply(midterm.marks, 1, sum, na.rm = TRUE) * 2.5
midterm.score[midterm.score == 0] <- NA
which(midterm.score < 60)

##  [1]  1  3  5  6  7  9 11 15 18 22 24 27 28

kable(data.frame("순번" = 1:nrow(midterm), "점수" = midterm.score))

순번	점수
1	32.5
2	82.5
3	37.5
4	85.0
5	47.5
6	50.0
7	55.0
8	85.0
9	40.0
10	62.5
11	35.0
12	75.0
13	95.0
14	NA
15	57.5
16	75.0
17	90.0
18	57.5
19	67.5
20	72.5
21	67.5
22	42.5
23	72.5
24	50.0
25	87.5
26	70.0
27	55.0
28	52.5

문항별 정답률

결석한 경우와 일부 문항에 답을 내지 않은 경우를 구분하는 것이 핵심.
- midterm.marks를 그대로 이용하면 쉽게 계산되나, is.na학습 목적으로 midterm.mark.rw에서 출발
- 모든 문항에 NA로 답한 결석한 학생들의 인덱스를 먼저 찾아내고,

apply(midterm.marks.rw, 1, function(x) all(is.na(x)))

##  [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

na.all <- which(apply(midterm.marks.rw, 1, function(x) all(is.na(x))))

정답률 계산
- NA를 모두 오답처리한 후, 결석한 학생들만 다시 NA로 정정.
- TRUE의 갯수를 합하여 평균.

midterm.marks.2 <- midterm.marks.rw
midterm.marks.2[is.na(midterm.marks.2)] <- "W"
midterm.marks.2[na.all, ] <- NA
midterm.marks.2 <- ifelse(midterm.marks.2 == "R", 1, 0)
rate.by.item <- apply(midterm.marks.2, 2, mean, na.rm = TRUE) * 100
str(rate.by.item)

##  Named num [1:40] 88.9 85.2 77.8 63 85.2 ...
##  - attr(*, "names")= chr [1:40] "A1" "A2" "A3" "A4" ...

rate.by.item <- as.matrix(rate.by.item, 40)
dimnames(rate.by.item) <- list("문항" =  paste("문", 1:40, sep = ""), "정답률" = "정답률")
colnames(rate.by.item) <- "정답률"

kable(rate.by.item, digits = 3)

	정답률
문1	88.889
문2	85.185
문3	77.778
문4	62.963
문5	85.185
문6	88.889
문7	77.778
문8	77.778
문9	81.481
문10	59.259
문11	44.444
문12	81.481
문13	66.667
문14	88.889
문15	85.185
문16	81.481
문17	85.185
문18	81.481
문19	37.037
문20	55.556
문21	77.778
문22	62.963
문23	29.630
문24	33.333
문25	44.444
문26	59.259
문27	55.556
문28	29.630
문29	48.148
문30	66.667
문31	59.259
문32	51.852
문33	59.259
문34	74.074
문35	92.593
문36	70.370
문37	33.333
문38	37.037
문39	37.037
문40	3.704

어려운 문제?

정답률 60% 이하

kable(t(rate.by.item[which(rate.by.item <= 60), , drop = FALSE]))

	문10	문11	문19	문20	문23	문24	문25	문26	문27	문28	문29	문31	문32	문33	문37	문38	문39	문40
정답률	59.25926	44.44444	37.03704	55.55556	29.62963	33.33333	44.44444	59.25926	55.55556	29.62963	48.14815	59.25926	51.85185	59.25926	33.33333	37.03704	37.03704	3.703704

정답률 50% 이하

kable(t(rate.by.item[which(rate.by.item <= 50), , drop = FALSE]))

	문11	문19	문23	문24	문25	문28	문29	문37	문38	문39	문40
정답률	44.44444	37.03704	29.62963	33.33333	44.44444	29.62963	48.14815	33.33333	37.03704	37.03704	3.703704

정답률 40% 이하

kable(t(rate.by.item[which(rate.by.item <= 40), , drop = FALSE]))

	문19	문23	문24	문28	문37	문38	문39	문40
정답률	37.03704	29.62963	33.33333	29.62963	33.33333	37.03704	37.03704	3.703704

정답률 30% 이하

kable(t(rate.by.item[which(rate.by.item <= 30), , drop = FALSE]))

	문23	문28	문40
정답률	29.62963	29.62963	3.703704

R Programming Midterm 201701 - 02

coop711

2017-05-04

Data

Excel 자료 읽어들이기

`factor` 변환

답안 분포

barplot

점수

정답과 대조하여 R(Right)/W(Wrong) 표시

학생별 점수 산출

문항별 정답률

어려운 문제?

정답률 60% 이하

정답률 50% 이하

정답률 40% 이하

정답률 30% 이하

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3	1	2	4	1
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3	3	2	1	2
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2	3	3	4	1
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3	1	2	1	2
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3	3	1	2	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3	3	2	3	3

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
3	3	2	2	2	3	2	3	1	3	1	2	2	1	2	4	3	1	4	3
1	3	1	2	1	3	2	2	2	1	1	4	1	2	2	4	3	4	3	4
1	4	1	1	3	2	2	3	3	4	4	2	3	2	2	2	3	1	3	3
1	3	1	3	1	1	2	4	1	1	1	4	1	2	2	2	1	1	3	4
4	3	4	2	4	3	4	4	2	2	4	4	1	2	2	4	2	1	1	4
1	3	3	2	4	3	2	2	2	1	4	2	4	1	2	2	3	2	2	3

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3
4	4	4	2	1	4	2	3	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	3	4	2	1	4	2	4	2	3	2	2	3	2	2	2
4	4	4	1	1	4	2	4	1	2	2	4	1	1	3	3
4	4	4	4	1	4	1	3	1	3	4	2	4	1	2	2
4	4	4	1	1	4	1	4	1	2	1	4	1	1	2	3
4	4	4	1	1	4	4	4	1	2	1	4	1	1	2	3
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	4	4	1	1	4	3	4	1	2	4	4	3	1	2	3
4	4	4	1	1	4	2	4	1	2	4	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	3	2	1	4	2	4	3	1	2	4	1	1	2	3
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
4	4	4	2	1	4	3	4	1	2	2	4	4	1	2	3
4	3	3	2	1	4	2	1	2	3	1	3	2	1	2	3
1	4	4	1	1	4	2	4	1	3	4	4	2	1	2	3
4	4	4	1	2	2	2	3	1	1	4	4	1	1	2	1
4	4	4	1	1	4	2	4	1	3	2	4	1	1	2	3
4	4	3	1	1	4	3	4	1	2	2	4	1	2	2	1
4	4	4	1	4	4	2	4	1	1	2	4	3	1	2	3
4	4	4	2	1	4	2	3	1	2	3	4	3	1	2	3

Q17	Q18	Q19	Q20	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33
1	2	4	1	3	3	2	2	2	3	2	3	1	3	1	2	2
3	2	1	2	1	3	1	2	1	3	2	2	2	1	1	4	1
3	3	4	1	1	4	1	1	3	2	2	3	3	4	4	2	3
1	2	1	2	1	3	1	3	1	1	2	4	1	1	1	4	1
3	1	2	3	4	3	4	2	4	3	4	4	2	2	4	4	1
3	2	3	3	1	3	3	2	4	3	2	2	2	1	4	2	4
3	2	1	1	2	3	2	1	3	3	4	1	2	2	1	2	4
4	2	1	2	1	3	4	3	1	3	2	4	1	1	2	4	1
1	2	4	1	1	1	3	2	2	3	4	4	1	1	4	1	3
3	2	3	2	1	2	3	3	1	3	4	4	2	4	1	4	4
3	2	3	3	2	3	4	1	2	1	4	3	2	3	4	2	3
3	2	1	2	1	4	4	3	3	3	2	1	1	3	1	4	1
3	2	1	2	1	3	1	3	1	3	2	2	1	1	1	4	1
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	1	3	1	1	4	4	1	2	1	2	2	2	1	3	4	1
3	2	2	2	1	3	1	2	3	3	4	2	4	1	1	2	1
3	2	3	2	1	3	2	3	1	3	2	4	1	1	1	4	1
3	2	3	4	1	3	1	1	4	1	4	1	2	1	1	2	3
3	2	3	2	1	3	1	2	4	3	2	1	2	1	4	2	1
3	2	3	1	1	4	4	1	1	4	4	4	1	1	1	4	1
3	2	2	2	1	4	2	3	1	3	4	3	1	2	1	2	1
3	1	3	4	2	4	2	2	4	3	2	4	1	1	1	2	3
3	2	3	2	1	3	2	3	1	3	2	2	1	1	4	2	1
3	2	1	2	1	3	3	1	4	4	4	2	2	2	4	4	4
3	2	1	2	1	3	1	3	1	1	2	2	1	1	1	4	1
3	2	1	2	1	3	2	2	4	1	2	3	2	1	1	4	1
3	1	3	2	1	4	3	2	1	1	4	1	1	1	4	3	1
3	2	1	3	4	2	4	1	1	1	4	1	4	1	1	4	2

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
라	다	다	나	가	가	나	다	나	다	가	다	가	가	라	다	가	나	라	가
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	가	나
다	다	라	나	다	라	나	라	나	라	라	다	가	가	나	나	다	다	라	가
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	가	나	가	나
라	라	라	나	가	라	나	라	가	나	가	라	가	나	가	다	다	가	나	다
다	라	라	가	라	나	나	라	가	가	라	라	나	가	라	다	다	나	다	다
라	라	라	나	가	라	나	다	가	나	나	라	가	가	나	다	다	나	가	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	라	나	가	나
라	다	라	나	가	라	나	라	나	다	나	나	다	나	나	나	가	나	라	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	다	다	다	나	다	나
라	라	라	라	가	라	가	다	가	다	라	나	라	가	나	나	다	나	다	다
라	라	라	가	가	라	가	라	가	나	가	라	가	가	나	다	다	나	가	나
라	라	라	가	가	라	라	라	가	나	가	라	가	가	나	다	다	나	가	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
라	라	라	가	가	라	다	라	가	나	라	라	다	가	나	다	다	가	다	가
라	라	라	가	가	라	나	라	가	나	라	라	가	가	나	다	다	나	나	나
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	다	나	가	라	나	라	다	가	나	라	가	가	나	다	다	나	다	라
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	다	가
라	라	라	나	가	라	다	라	가	나	나	라	라	가	나	다	다	나	나	나
라	다	다	나	가	라	나	가	나	다	가	다	나	가	나	다	다	가	다	라
가	라	라	가	가	라	나	라	가	다	라	라	나	가	나	다	다	나	다	나
라	라	라	가	나	나	나	다	가	가	라	라	가	가	나	가	다	나	가	나
라	라	라	가	가	라	나	라	가	다	나	라	가	가	나	다	다	나	가	나
라	라	다	가	가	라	다	라	가	나	나	라	가	나	나	가	다	나	가	나
라	라	라	가	라	라	나	라	가	가	나	라	다	가	나	다	다	가	다	나
라	라	라	나	가	라	나	다	가	나	다	라	다	가	나	다	다	나	가	다

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
다	다	나	나	나	다	나	다	가	다	가	나	나	가	나	라	다	가	라	다
가	다	가	나	가	다	나	나	나	가	가	라	가	나	나	라	다	라	다	라
가	라	가	가	다	나	나	다	다	라	라	나	다	나	나	나	다	가	다	다
가	다	가	다	가	가	나	라	가	가	가	라	가	나	나	나	가	가	다	라
라	다	라	나	라	다	라	라	나	나	라	라	가	나	나	라	나	가	가	라
가	다	다	나	라	다	나	나	나	가	라	나	라	가	나	나	다	나	나	다
나	다	나	가	다	다	라	가	나	나	가	나	라	나	나	라	나	다	가	라
가	다	라	다	가	다	나	라	가	가	나	라	가	나	나	나	다	나	다	라
가	가	다	나	나	다	라	라	가	가	라	가	다	나	나	나	다	다	라	다
가	나	다	다	가	다	라	라	나	라	가	라	라	가	나	가	나	가	라	라
나	다	라	가	나	가	라	다	나	다	라	나	다	나	나	라	나	나	가	다
가	라	라	다	다	다	나	가	가	다	가	라	가	나	나	나	다	나	라	다
가	다	가	다	가	다	나	나	가	가	가	라	가	나	나	나	가	나	다	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
가	라	라	가	나	가	나	나	나	가	다	라	가	가	나	나	다	라	다	다
가	다	가	나	다	다	라	나	라	가	가	나	가	나	나	라	가	나	나	다
가	다	나	다	가	다	나	라	가	가	가	라	가	나	나	나	가	나	다	라
가	다	가	가	라	가	라	가	나	가	가	나	다	나	나	나	다	나	가	라
가	다	가	나	라	다	나	가	나	가	라	나	가	나	나	라	나	가	나	라
가	라	라	가	가	라	라	라	가	가	가	라	가	나	나	나	가	나	나	다
가	라	나	다	가	다	라	다	가	나	가	나	가	나	나	나	가	가	나	다
나	라	나	나	라	다	나	라	가	가	가	나	다	나	나	나	가	가	나	다
가	다	나	다	가	다	나	나	가	가	라	나	가	나	나	나	다	가	다	라
가	다	다	가	라	라	라	나	나	나	라	라	라	라	가	나	다	가	다	라
가	다	가	다	가	가	나	나	가	가	가	라	가	나	나	나	가	라	나	라
가	다	나	나	라	가	나	다	나	가	가	라	가	나	나	나	다	나	다	라
가	라	다	나	가	가	라	가	가	가	라	다	가	라	나	나	나	다	라	다
라	나	라	가	가	가	라	가	라	가	가	라	나	다	라	나	가	다	라	다

	가	나	다	라
Q1	1	0	2	24
Q2	0	0	4	23
Q3	0	0	6	21
Q4	17	9	0	1
Q5	23	1	1	2
Q6	1	2	0	24
Q7	2	21	3	1
Q8	1	0	5	21
Q9	22	4	1	0
Q10	4	16	6	1
Q11	7	12	1	7
Q12	0	2	3	22
Q13	18	3	4	2
Q14	24	3	0	0
Q15	1	23	1	2
Q16	2	3	22	0
Q17	3	0	23	1
Q18	4	22	1	0
Q19	10	3	11	3
Q20	6	15	4	2
Q21	21	3	1	2
Q22	1	2	17	7
Q23	8	7	5	7
Q24	8	10	9	0
Q25	12	4	4	7
Q26	8	1	16	2
Q27	0	15	0	12
Q28	6	8	5	8
Q29	13	11	1	2
Q30	18	4	3	2
Q31	16	1	1	9
Q32	1	11	1	14
Q33	16	2	5	4
Q34	4	20	1	2
Q35	1	25	0	1
Q36	1	19	0	7
Q37	9	6	12	0
Q38	10	10	4	3
Q39	4	7	10	6
Q40	0	1	13	13

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	1	0	0	17	23	1	2	1	22	4	7	0	18	24	1	2	3	4	10	6
나	0	0	0	9	1	2	21	0	4	16	12	2	3	3	23	3	0	22	3	15
다	2	4	6	0	1	0	3	5	1	6	1	3	4	0	1	22	23	1	11	4
라	24	23	21	1	2	24	1	21	0	1	7	22	2	0	2	0	1	0	3	2

	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
가	21	1	8	8	12	8	0	6	13	18	16	1	16	4	1	1	9	10	4	0
나	3	2	7	10	4	1	15	8	11	4	1	11	2	20	25	19	6	10	7	1
다	1	17	5	9	4	16	0	5	1	3	1	1	5	1	0	0	12	4	10	13
라	2	7	7	0	7	2	12	8	2	2	9	14	4	2	1	7	0	3	6	13

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	4	0	0	63	85	4	7	4	81	15	26	0	67	89	4	7	11	15	37	22
나	0	0	0	33	4	7	78	0	15	59	44	7	11	11	85	11	0	81	11	56
다	7	15	22	0	4	0	11	19	4	22	4	11	15	0	4	81	85	4	41	15
라	89	85	78	4	7	89	4	78	0	4	26	81	7	0	7	0	4	0	11	7

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3	1	2	4	1
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3	3	2	1	2
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2	3	3	4	1
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3	1	2	1	2
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3	3	1	2	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3	3	2	3	3

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
3	3	2	2	2	3	2	3	1	3	1	2	2	1	2	4	3	1	4	3
1	3	1	2	1	3	2	2	2	1	1	4	1	2	2	4	3	4	3	4
1	4	1	1	3	2	2	3	3	4	4	2	3	2	2	2	3	1	3	3
1	3	1	3	1	1	2	4	1	1	1	4	1	2	2	2	1	1	3	4
4	3	4	2	4	3	4	4	2	2	4	4	1	2	2	4	2	1	1	4
1	3	3	2	4	3	2	2	2	1	4	2	4	1	2	2	3	2	2	3

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3
4	4	4	2	1	4	2	3	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	3	4	2	1	4	2	4	2	3	2	2	3	2	2	2
4	4	4	1	1	4	2	4	1	2	2	4	1	1	3	3
4	4	4	4	1	4	1	3	1	3	4	2	4	1	2	2
4	4	4	1	1	4	1	4	1	2	1	4	1	1	2	3
4	4	4	1	1	4	4	4	1	2	1	4	1	1	2	3
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	4	4	1	1	4	3	4	1	2	4	4	3	1	2	3
4	4	4	1	1	4	2	4	1	2	4	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	3	2	1	4	2	4	3	1	2	4	1	1	2	3
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
4	4	4	2	1	4	3	4	1	2	2	4	4	1	2	3
4	3	3	2	1	4	2	1	2	3	1	3	2	1	2	3
1	4	4	1	1	4	2	4	1	3	4	4	2	1	2	3
4	4	4	1	2	2	2	3	1	1	4	4	1	1	2	1
4	4	4	1	1	4	2	4	1	3	2	4	1	1	2	3
4	4	3	1	1	4	3	4	1	2	2	4	1	2	2	1
4	4	4	1	4	4	2	4	1	1	2	4	3	1	2	3
4	4	4	2	1	4	2	3	1	2	3	4	3	1	2	3

Q17	Q18	Q19	Q20	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33
1	2	4	1	3	3	2	2	2	3	2	3	1	3	1	2	2
3	2	1	2	1	3	1	2	1	3	2	2	2	1	1	4	1
3	3	4	1	1	4	1	1	3	2	2	3	3	4	4	2	3
1	2	1	2	1	3	1	3	1	1	2	4	1	1	1	4	1
3	1	2	3	4	3	4	2	4	3	4	4	2	2	4	4	1
3	2	3	3	1	3	3	2	4	3	2	2	2	1	4	2	4
3	2	1	1	2	3	2	1	3	3	4	1	2	2	1	2	4
4	2	1	2	1	3	4	3	1	3	2	4	1	1	2	4	1
1	2	4	1	1	1	3	2	2	3	4	4	1	1	4	1	3
3	2	3	2	1	2	3	3	1	3	4	4	2	4	1	4	4
3	2	3	3	2	3	4	1	2	1	4	3	2	3	4	2	3
3	2	1	2	1	4	4	3	3	3	2	1	1	3	1	4	1
3	2	1	2	1	3	1	3	1	3	2	2	1	1	1	4	1
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	1	3	1	1	4	4	1	2	1	2	2	2	1	3	4	1
3	2	2	2	1	3	1	2	3	3	4	2	4	1	1	2	1
3	2	3	2	1	3	2	3	1	3	2	4	1	1	1	4	1
3	2	3	4	1	3	1	1	4	1	4	1	2	1	1	2	3
3	2	3	2	1	3	1	2	4	3	2	1	2	1	4	2	1
3	2	3	1	1	4	4	1	1	4	4	4	1	1	1	4	1
3	2	2	2	1	4	2	3	1	3	4	3	1	2	1	2	1
3	1	3	4	2	4	2	2	4	3	2	4	1	1	1	2	3
3	2	3	2	1	3	2	3	1	3	2	2	1	1	4	2	1
3	2	1	2	1	3	3	1	4	4	4	2	2	2	4	4	4
3	2	1	2	1	3	1	3	1	1	2	2	1	1	1	4	1
3	2	1	2	1	3	2	2	4	1	2	3	2	1	1	4	1
3	1	3	2	1	4	3	2	1	1	4	1	1	1	4	3	1
3	2	1	3	4	2	4	1	1	1	4	1	4	1	1	4	2

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
라	다	다	나	가	가	나	다	나	다	가	다	가	가	라	다	가	나	라	가
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	가	나
다	다	라	나	다	라	나	라	나	라	라	다	가	가	나	나	다	다	라	가
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	가	나	가	나
라	라	라	나	가	라	나	라	가	나	가	라	가	나	가	다	다	가	나	다
다	라	라	가	라	나	나	라	가	가	라	라	나	가	라	다	다	나	다	다
라	라	라	나	가	라	나	다	가	나	나	라	가	가	나	다	다	나	가	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	라	나	가	나
라	다	라	나	가	라	나	라	나	다	나	나	다	나	나	나	가	나	라	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	다	다	다	나	다	나
라	라	라	라	가	라	가	다	가	다	라	나	라	가	나	나	다	나	다	다
라	라	라	가	가	라	가	라	가	나	가	라	가	가	나	다	다	나	가	나
라	라	라	가	가	라	라	라	가	나	가	라	가	가	나	다	다	나	가	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
라	라	라	가	가	라	다	라	가	나	라	라	다	가	나	다	다	가	다	가
라	라	라	가	가	라	나	라	가	나	라	라	가	가	나	다	다	나	나	나
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	다	나	가	라	나	라	다	가	나	라	가	가	나	다	다	나	다	라
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	다	가
라	라	라	나	가	라	다	라	가	나	나	라	라	가	나	다	다	나	나	나
라	다	다	나	가	라	나	가	나	다	가	다	나	가	나	다	다	가	다	라
가	라	라	가	가	라	나	라	가	다	라	라	나	가	나	다	다	나	다	나
라	라	라	가	나	나	나	다	가	가	라	라	가	가	나	가	다	나	가	나
라	라	라	가	가	라	나	라	가	다	나	라	가	가	나	다	다	나	가	나
라	라	다	가	가	라	다	라	가	나	나	라	가	나	나	가	다	나	가	나
라	라	라	가	라	라	나	라	가	가	나	라	다	가	나	다	다	가	다	나
라	라	라	나	가	라	나	다	가	나	다	라	다	가	나	다	다	나	가	다

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
다	다	나	나	나	다	나	다	가	다	가	나	나	가	나	라	다	가	라	다
가	다	가	나	가	다	나	나	나	가	가	라	가	나	나	라	다	라	다	라
가	라	가	가	다	나	나	다	다	라	라	나	다	나	나	나	다	가	다	다
가	다	가	다	가	가	나	라	가	가	가	라	가	나	나	나	가	가	다	라
라	다	라	나	라	다	라	라	나	나	라	라	가	나	나	라	나	가	가	라
가	다	다	나	라	다	나	나	나	가	라	나	라	가	나	나	다	나	나	다
나	다	나	가	다	다	라	가	나	나	가	나	라	나	나	라	나	다	가	라
가	다	라	다	가	다	나	라	가	가	나	라	가	나	나	나	다	나	다	라
가	가	다	나	나	다	라	라	가	가	라	가	다	나	나	나	다	다	라	다
가	나	다	다	가	다	라	라	나	라	가	라	라	가	나	가	나	가	라	라
나	다	라	가	나	가	라	다	나	다	라	나	다	나	나	라	나	나	가	다
가	라	라	다	다	다	나	가	가	다	가	라	가	나	나	나	다	나	라	다
가	다	가	다	가	다	나	나	가	가	가	라	가	나	나	나	가	나	다	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
가	라	라	가	나	가	나	나	나	가	다	라	가	가	나	나	다	라	다	다
가	다	가	나	다	다	라	나	라	가	가	나	가	나	나	라	가	나	나	다
가	다	나	다	가	다	나	라	가	가	가	라	가	나	나	나	가	나	다	라
가	다	가	가	라	가	라	가	나	가	가	나	다	나	나	나	다	나	가	라
가	다	가	나	라	다	나	가	나	가	라	나	가	나	나	라	나	가	나	라
가	라	라	가	가	라	라	라	가	가	가	라	가	나	나	나	가	나	나	다
가	라	나	다	가	다	라	다	가	나	가	나	가	나	나	나	가	가	나	다
나	라	나	나	라	다	나	라	가	가	가	나	다	나	나	나	가	가	나	다
가	다	나	다	가	다	나	나	가	가	라	나	가	나	나	나	다	가	다	라
가	다	다	가	라	라	라	나	나	나	라	라	라	라	가	나	다	가	다	라
가	다	가	다	가	가	나	나	가	가	가	라	가	나	나	나	가	라	나	라
가	다	나	나	라	가	나	다	나	가	가	라	가	나	나	나	다	나	다	라
가	라	다	나	가	가	라	가	가	가	라	다	가	라	나	나	나	다	라	다
라	나	라	가	가	가	라	가	라	가	가	라	나	다	라	나	가	다	라	다

	가	나	다	라
Q1	1	0	2	24
Q2	0	0	4	23
Q3	0	0	6	21
Q4	17	9	0	1
Q5	23	1	1	2
Q6	1	2	0	24
Q7	2	21	3	1
Q8	1	0	5	21
Q9	22	4	1	0
Q10	4	16	6	1
Q11	7	12	1	7
Q12	0	2	3	22
Q13	18	3	4	2
Q14	24	3	0	0
Q15	1	23	1	2
Q16	2	3	22	0
Q17	3	0	23	1
Q18	4	22	1	0
Q19	10	3	11	3
Q20	6	15	4	2
Q21	21	3	1	2
Q22	1	2	17	7
Q23	8	7	5	7
Q24	8	10	9	0
Q25	12	4	4	7
Q26	8	1	16	2
Q27	0	15	0	12
Q28	6	8	5	8
Q29	13	11	1	2
Q30	18	4	3	2
Q31	16	1	1	9
Q32	1	11	1	14
Q33	16	2	5	4
Q34	4	20	1	2
Q35	1	25	0	1
Q36	1	19	0	7
Q37	9	6	12	0
Q38	10	10	4	3
Q39	4	7	10	6
Q40	0	1	13	13

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	1	0	0	17	23	1	2	1	22	4	7	0	18	24	1	2	3	4	10	6
나	0	0	0	9	1	2	21	0	4	16	12	2	3	3	23	3	0	22	3	15
다	2	4	6	0	1	0	3	5	1	6	1	3	4	0	1	22	23	1	11	4
라	24	23	21	1	2	24	1	21	0	1	7	22	2	0	2	0	1	0	3	2

	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
가	21	1	8	8	12	8	0	6	13	18	16	1	16	4	1	1	9	10	4	0
나	3	2	7	10	4	1	15	8	11	4	1	11	2	20	25	19	6	10	7	1
다	1	17	5	9	4	16	0	5	1	3	1	1	5	1	0	0	12	4	10	13
라	2	7	7	0	7	2	12	8	2	2	9	14	4	2	1	7	0	3	6	13

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	4	0	0	63	85	4	7	4	81	15	26	0	67	89	4	7	11	15	37	22
나	0	0	0	33	4	7	78	0	15	59	44	7	11	11	85	11	0	81	11	56
다	7	15	22	0	4	0	11	19	4	22	4	11	15	0	4	81	85	4	41	15
라	89	85	78	4	7	89	4	78	0	4	26	81	7	0	7	0	4	0	11	7

R Programming Midterm 201701 - 02

coop711

2017-05-04

Data

Excel 자료 읽어들이기

factor 변환

답안 분포

barplot

점수

정답과 대조하여 R(Right)/W(Wrong) 표시

학생별 점수 산출

문항별 정답률

어려운 문제?

정답률 60% 이하

정답률 50% 이하

정답률 40% 이하

정답률 30% 이하

`factor` 변환

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3	1	2	4	1
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3	3	2	1	2
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2	3	3	4	1
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3	1	2	1	2
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3	3	1	2	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3	3	2	3	3

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
3	3	2	2	2	3	2	3	1	3	1	2	2	1	2	4	3	1	4	3
1	3	1	2	1	3	2	2	2	1	1	4	1	2	2	4	3	4	3	4
1	4	1	1	3	2	2	3	3	4	4	2	3	2	2	2	3	1	3	3
1	3	1	3	1	1	2	4	1	1	1	4	1	2	2	2	1	1	3	4
4	3	4	2	4	3	4	4	2	2	4	4	1	2	2	4	2	1	1	4
1	3	3	2	4	3	2	2	2	1	4	2	4	1	2	2	3	2	2	3

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16
4	3	3	2	1	1	2	3	2	3	1	3	1	1	4	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
3	3	4	2	3	4	2	4	2	4	4	3	1	1	2	2
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	2	1	4	2	4	1	2	1	4	1	2	1	3
3	4	4	1	4	2	2	4	1	1	4	4	2	1	4	3
4	4	4	2	1	4	2	3	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	3	4	2	1	4	2	4	2	3	2	2	3	2	2	2
4	4	4	1	1	4	2	4	1	2	2	4	1	1	3	3
4	4	4	4	1	4	1	3	1	3	4	2	4	1	2	2
4	4	4	1	1	4	1	4	1	2	1	4	1	1	2	3
4	4	4	1	1	4	4	4	1	2	1	4	1	1	2	3
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	4	4	1	1	4	3	4	1	2	4	4	3	1	2	3
4	4	4	1	1	4	2	4	1	2	4	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	3	2	1	4	2	4	3	1	2	4	1	1	2	3
4	4	3	1	1	4	2	4	1	2	2	4	1	1	2	3
4	4	4	1	1	4	2	4	1	2	1	4	1	1	2	3
4	4	4	2	1	4	3	4	1	2	2	4	4	1	2	3
4	3	3	2	1	4	2	1	2	3	1	3	2	1	2	3
1	4	4	1	1	4	2	4	1	3	4	4	2	1	2	3
4	4	4	1	2	2	2	3	1	1	4	4	1	1	2	1
4	4	4	1	1	4	2	4	1	3	2	4	1	1	2	3
4	4	3	1	1	4	3	4	1	2	2	4	1	2	2	1
4	4	4	1	4	4	2	4	1	1	2	4	3	1	2	3
4	4	4	2	1	4	2	3	1	2	3	4	3	1	2	3

Q17	Q18	Q19	Q20	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33
1	2	4	1	3	3	2	2	2	3	2	3	1	3	1	2	2
3	2	1	2	1	3	1	2	1	3	2	2	2	1	1	4	1
3	3	4	1	1	4	1	1	3	2	2	3	3	4	4	2	3
1	2	1	2	1	3	1	3	1	1	2	4	1	1	1	4	1
3	1	2	3	4	3	4	2	4	3	4	4	2	2	4	4	1
3	2	3	3	1	3	3	2	4	3	2	2	2	1	4	2	4
3	2	1	1	2	3	2	1	3	3	4	1	2	2	1	2	4
4	2	1	2	1	3	4	3	1	3	2	4	1	1	2	4	1
1	2	4	1	1	1	3	2	2	3	4	4	1	1	4	1	3
3	2	3	2	1	2	3	3	1	3	4	4	2	4	1	4	4
3	2	3	3	2	3	4	1	2	1	4	3	2	3	4	2	3
3	2	1	2	1	4	4	3	3	3	2	1	1	3	1	4	1
3	2	1	2	1	3	1	3	1	3	2	2	1	1	1	4	1
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	1	3	1	1	4	4	1	2	1	2	2	2	1	3	4	1
3	2	2	2	1	3	1	2	3	3	4	2	4	1	1	2	1
3	2	3	2	1	3	2	3	1	3	2	4	1	1	1	4	1
3	2	3	4	1	3	1	1	4	1	4	1	2	1	1	2	3
3	2	3	2	1	3	1	2	4	3	2	1	2	1	4	2	1
3	2	3	1	1	4	4	1	1	4	4	4	1	1	1	4	1
3	2	2	2	1	4	2	3	1	3	4	3	1	2	1	2	1
3	1	3	4	2	4	2	2	4	3	2	4	1	1	1	2	3
3	2	3	2	1	3	2	3	1	3	2	2	1	1	4	2	1
3	2	1	2	1	3	3	1	4	4	4	2	2	2	4	4	4
3	2	1	2	1	3	1	3	1	1	2	2	1	1	1	4	1
3	2	1	2	1	3	2	2	4	1	2	3	2	1	1	4	1
3	1	3	2	1	4	3	2	1	1	4	1	1	1	4	3	1
3	2	1	3	4	2	4	1	1	1	4	1	4	1	1	4	2

Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
라	다	다	나	가	가	나	다	나	다	가	다	가	가	라	다	가	나	라	가
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	가	나
다	다	라	나	다	라	나	라	나	라	라	다	가	가	나	나	다	다	라	가
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	가	나	가	나
라	라	라	나	가	라	나	라	가	나	가	라	가	나	가	다	다	가	나	다
다	라	라	가	라	나	나	라	가	가	라	라	나	가	라	다	다	나	다	다
라	라	라	나	가	라	나	다	가	나	나	라	가	가	나	다	다	나	가	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	라	나	가	나
라	다	라	나	가	라	나	라	나	다	나	나	다	나	나	나	가	나	라	가
라	라	라	가	가	라	나	라	가	나	나	라	가	가	다	다	다	나	다	나
라	라	라	라	가	라	가	다	가	다	라	나	라	가	나	나	다	나	다	다
라	라	라	가	가	라	가	라	가	나	가	라	가	가	나	다	다	나	가	나
라	라	라	가	가	라	라	라	가	나	가	라	가	가	나	다	다	나	가	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
라	라	라	가	가	라	다	라	가	나	라	라	다	가	나	다	다	가	다	가
라	라	라	가	가	라	나	라	가	나	라	라	가	가	나	다	다	나	나	나
라	라	라	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	다	나	가	라	나	라	다	가	나	라	가	가	나	다	다	나	다	라
라	라	다	가	가	라	나	라	가	나	나	라	가	가	나	다	다	나	다	나
라	라	라	가	가	라	나	라	가	나	가	라	가	가	나	다	다	나	다	가
라	라	라	나	가	라	다	라	가	나	나	라	라	가	나	다	다	나	나	나
라	다	다	나	가	라	나	가	나	다	가	다	나	가	나	다	다	가	다	라
가	라	라	가	가	라	나	라	가	다	라	라	나	가	나	다	다	나	다	나
라	라	라	가	나	나	나	다	가	가	라	라	가	가	나	가	다	나	가	나
라	라	라	가	가	라	나	라	가	다	나	라	가	가	나	다	다	나	가	나
라	라	다	가	가	라	다	라	가	나	나	라	가	나	나	가	다	나	가	나
라	라	라	가	라	라	나	라	가	가	나	라	다	가	나	다	다	가	다	나
라	라	라	나	가	라	나	다	가	나	다	라	다	가	나	다	다	나	가	다

Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
다	다	나	나	나	다	나	다	가	다	가	나	나	가	나	라	다	가	라	다
가	다	가	나	가	다	나	나	나	가	가	라	가	나	나	라	다	라	다	라
가	라	가	가	다	나	나	다	다	라	라	나	다	나	나	나	다	가	다	다
가	다	가	다	가	가	나	라	가	가	가	라	가	나	나	나	가	가	다	라
라	다	라	나	라	다	라	라	나	나	라	라	가	나	나	라	나	가	가	라
가	다	다	나	라	다	나	나	나	가	라	나	라	가	나	나	다	나	나	다
나	다	나	가	다	다	라	가	나	나	가	나	라	나	나	라	나	다	가	라
가	다	라	다	가	다	나	라	가	가	나	라	가	나	나	나	다	나	다	라
가	가	다	나	나	다	라	라	가	가	라	가	다	나	나	나	다	다	라	다
가	나	다	다	가	다	라	라	나	라	가	라	라	가	나	가	나	가	라	라
나	다	라	가	나	가	라	다	나	다	라	나	다	나	나	라	나	나	가	다
가	라	라	다	다	다	나	가	가	다	가	라	가	나	나	나	다	나	라	다
가	다	가	다	가	다	나	나	가	가	가	라	가	나	나	나	가	나	다	나
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
가	라	라	가	나	가	나	나	나	가	다	라	가	가	나	나	다	라	다	다
가	다	가	나	다	다	라	나	라	가	가	나	가	나	나	라	가	나	나	다
가	다	나	다	가	다	나	라	가	가	가	라	가	나	나	나	가	나	다	라
가	다	가	가	라	가	라	가	나	가	가	나	다	나	나	나	다	나	가	라
가	다	가	나	라	다	나	가	나	가	라	나	가	나	나	라	나	가	나	라
가	라	라	가	가	라	라	라	가	가	가	라	가	나	나	나	가	나	나	다
가	라	나	다	가	다	라	다	가	나	가	나	가	나	나	나	가	가	나	다
나	라	나	나	라	다	나	라	가	가	가	나	다	나	나	나	가	가	나	다
가	다	나	다	가	다	나	나	가	가	라	나	가	나	나	나	다	가	다	라
가	다	다	가	라	라	라	나	나	나	라	라	라	라	가	나	다	가	다	라
가	다	가	다	가	가	나	나	가	가	가	라	가	나	나	나	가	라	나	라
가	다	나	나	라	가	나	다	나	가	가	라	가	나	나	나	다	나	다	라
가	라	다	나	가	가	라	가	가	가	라	다	가	라	나	나	나	다	라	다
라	나	라	가	가	가	라	가	라	가	가	라	나	다	라	나	가	다	라	다

	가	나	다	라
Q1	1	0	2	24
Q2	0	0	4	23
Q3	0	0	6	21
Q4	17	9	0	1
Q5	23	1	1	2
Q6	1	2	0	24
Q7	2	21	3	1
Q8	1	0	5	21
Q9	22	4	1	0
Q10	4	16	6	1
Q11	7	12	1	7
Q12	0	2	3	22
Q13	18	3	4	2
Q14	24	3	0	0
Q15	1	23	1	2
Q16	2	3	22	0
Q17	3	0	23	1
Q18	4	22	1	0
Q19	10	3	11	3
Q20	6	15	4	2
Q21	21	3	1	2
Q22	1	2	17	7
Q23	8	7	5	7
Q24	8	10	9	0
Q25	12	4	4	7
Q26	8	1	16	2
Q27	0	15	0	12
Q28	6	8	5	8
Q29	13	11	1	2
Q30	18	4	3	2
Q31	16	1	1	9
Q32	1	11	1	14
Q33	16	2	5	4
Q34	4	20	1	2
Q35	1	25	0	1
Q36	1	19	0	7
Q37	9	6	12	0
Q38	10	10	4	3
Q39	4	7	10	6
Q40	0	1	13	13

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	1	0	0	17	23	1	2	1	22	4	7	0	18	24	1	2	3	4	10	6
나	0	0	0	9	1	2	21	0	4	16	12	2	3	3	23	3	0	22	3	15
다	2	4	6	0	1	0	3	5	1	6	1	3	4	0	1	22	23	1	11	4
라	24	23	21	1	2	24	1	21	0	1	7	22	2	0	2	0	1	0	3	2

	Q21	Q22	Q23	Q24	Q25	Q26	Q27	Q28	Q29	Q30	Q31	Q32	Q33	Q34	Q35	Q36	Q37	Q38	Q39	Q40
가	21	1	8	8	12	8	0	6	13	18	16	1	16	4	1	1	9	10	4	0
나	3	2	7	10	4	1	15	8	11	4	1	11	2	20	25	19	6	10	7	1
다	1	17	5	9	4	16	0	5	1	3	1	1	5	1	0	0	12	4	10	13
라	2	7	7	0	7	2	12	8	2	2	9	14	4	2	1	7	0	3	6	13

	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Q9	Q10	Q11	Q12	Q13	Q14	Q15	Q16	Q17	Q18	Q19	Q20
가	4	0	0	63	85	4	7	4	81	15	26	0	67	89	4	7	11	15	37	22
나	0	0	0	33	4	7	78	0	15	59	44	7	11	11	85	11	0	81	11	56
다	7	15	22	0	4	0	11	19	4	22	4	11	15	0	4	81	85	4	41	15
라	89	85	78	4	7	89	4	78	0	4	26	81	7	0	7	0	4	0	11	7