06/02/2019
mba <- read.csv(file.choose())
View(mba)
colnames(mba)
## [1] "data.srno" "workex" "gmat"
dim(mba)
## [1] 773 3
head(mba)
## data.srno workex gmat
## 1 1 21 720
## 2 2 107 640
## 3 3 57 740
## 4 4 99 690
## 5 5 208 710
## 6 6 136 660
tail(mba)
## data.srno workex gmat
## 768 768 38 680
## 769 769 88 620
## 770 770 132 670
## 771 771 28 610
## 772 772 10 610
## 773 773 52 620
mba[,3]
## [1] 720 640 740 690 710 660 660 710 700 730 700 740 650 720 700 760 710
## [18] 720 690 770 660 710 720 650 710 720 710 650 690 690 750 710 730 770
## [35] 690 710 710 710 740 720 710 720 650 710 690 700 730 690 670 710 720
## [52] 710 740 750 710 730 730 710 710 690 720 690 710 720 770 720 740 710
## [69] 740 710 740 740 730 720 760 720 740 740 710 690 710 710 730 700 710
## [86] 750 710 710 720 680 710 710 710 740 710 710 700 690 770 770 720 730
## [103] 710 720 690 740 690 690 750 720 670 690 710 690 750 710 680 690 730
## [120] 750 700 720 680 690 700 740 710 730 720 720 740 680 670 730 680 710
## [137] 740 760 710 710 710 730 680 690 720 730 750 770 750 720 710 700 720
## [154] 720 690 710 730 710 740 690 630 730 720 710 690 690 730 710 720 710
## [171] 740 710 650 760 680 700 710 690 720 740 710 710 730 660 710 710 710
## [188] 740 690 610 700 690 760 730 700 720 710 750 690 750 660 740 710 730
## [205] 750 710 710 710 680 720 710 700 740 690 710 760 720 710 710 700 690
## [222] 750 690 710 710 710 710 710 720 710 660 650 710 700 730 700 710 690
## [239] 760 740 750 710 730 710 740 710 720 690 690 700 700 710 710 720 760
## [256] 710 690 700 710 710 720 720 760 730 730 720 740 740 710 710 720 700
## [273] 710 770 760 740 700 650 740 710 690 700 730 720 720 710 720 760 740
## [290] 710 720 680 720 690 710 650 700 700 680 720 680 720 710 710 700 680
## [307] 700 680 650 690 710 660 670 710 690 700 720 730 720 720 710 710 690
## [324] 710 710 760 700 760 760 740 710 730 700 730 710 700 710 620 660 710
## [341] 730 680 740 710 710 710 750 710 710 740 730 690 770 740 760 730 720
## [358] 740 740 720 670 730 690 680 680 710 730 680 690 710 710 710 750 760
## [375] 720 750 740 680 710 660 720 720 720 690 700 730 720 740 750 730 680
## [392] 680 600 710 750 720 700 720 700 680 700 730 710 620 750 720 740 700
## [409] 720 720 730 740 690 760 730 720 710 770 720 710 720 720 770 690 710
## [426] 690 710 690 680 710 750 730 730 720 710 710 710 730 760 700 720 720
## [443] 690 700 700 720 710 650 680 700 710 690 720 750 690 730 660 760 720
## [460] 740 760 660 700 720 770 740 710 680 710 700 710 690 730 690 720 680
## [477] 680 720 620 650 730 730 730 750 740 770 760 700 740 760 690 610 660
## [494] 730 670 640 670 710 660 700 740 710 690 750 680 690 690 710 730 740
## [511] 650 680 700 730 650 730 680 710 730 710 730 710 710 710 710 680 710
## [528] 720 690 720 700 700 740 740 720 710 660 700 760 750 680 760 740 770
## [545] 750 700 680 720 730 760 680 760 680 680 710 670 650 720 720 730 710
## [562] 740 730 720 710 710 730 760 720 710 690 690 720 720 750 720 710 710
## [579] 650 730 730 680 680 760 690 720 700 690 710 710 740 710 680 720 770
## [596] 730 700 700 730 670 660 690 690 720 690 670 680 740 680 680 710 700
## [613] 690 730 720 670 720 730 700 730 700 680 730 690 730 730 680 700 700
## [630] 740 720 710 730 680 720 710 770 680 690 700 700 750 740 690 730 770
## [647] 720 740 710 710 760 720 740 600 730 780 710 710 670 720 630 690 700
## [664] 700 730 710 700 710 730 740 690 660 710 690 740 710 710 750 640 710
## [681] 710 750 650 680 740 750 710 700 740 740 710 710 690 720 730 700 710
## [698] 750 710 740 780 690 710 710 700 720 680 760 740 750 730 720 730 750
## [715] 720 720 680 710 720 690 720 680 690 720 630 690 660 710 710 730 710
## [732] 690 710 710 710 650 760 740 720 700 690 710 760 740 710 710 720 710
## [749] 730 750 740 710 680 740 740 730 770 720 680 680 740 680 710 710 710
## [766] 750 620 680 620 670 610 610 620
attach(mba)
mean(gmat)
## [1] 711.1643
mean(workex)
## [1] 57.50194
mean(data.srno)
## [1] 387
median(gmat)
## [1] 710
median(workex)
## [1] 52
median(data.srno)
## [1] 387
library(e1071)
## Warning: package 'e1071' was built under R version 3.5.2
sd(gmat)
## [1] 29.33971
sd(workex)
## [1] 27.38682
sd(data.srno)
## [1] 223.2902
var(gmat)
## [1] 860.8188
var(workex)
## [1] 750.0379
var(data.srno)
## [1] 49858.5
var(mba)
## data.srno workex gmat
## data.srno 49858.5000 -504.97409 -302.29275
## workex -504.9741 750.03788 -25.79242
## gmat -302.2927 -25.79242 860.81883
max(gmat)
## [1] 780
min(gmat)
## [1] 600
range <- max(gmat)-min(gmat)
range
## [1] 180
# install.packages("e1071")
skewness(data.srno)
## [1] 0
skewness(gmat)
## [1] -0.5931675
skewness(workex)
## [1] 2.598422
kurtosis(gmat)
## [1] 1.141141
kurtosis(workex)
## [1] 13.26826
windows()
hist(data.srno)
windows()
hist(workex)
windows()
hist(gmat)
windows()
barplot(data.srno)
windows()
barplot(workex)
windows()
barplot(gmat)
windows()
boxplot(data.srno)
windows()
boxplot(workex)
windows()
boxplot(gmat)
summary(mba)
## data.srno workex gmat
## Min. : 1 Min. : 9.0 Min. :600.0
## 1st Qu.:194 1st Qu.: 41.0 1st Qu.:690.0
## Median :387 Median : 52.0 Median :710.0
## Mean :387 Mean : 57.5 Mean :711.2
## 3rd Qu.:580 3rd Qu.: 69.0 3rd Qu.:730.0
## Max. :773 Max. :279.0 Max. :780.0