This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
summary(cars)
## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00
You can also embed plots, for example:
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.
Housing = read.csv("http://www.mosaic-web.org/go/datasets/Income-Housing.csv")
BAB 2
1.Grafik Fungsi adalah perubahan dari input ke output untuk mengevaluasinya saudara bisa menentukan inputnya dan fungsi akan menerjemahkan kedalam output.
fungsi memiliki penamaan seperti g atau y,dan inputnya dinotasikan sebagai x. sedangkan huruf lain digunakan untuk mewakili parameter y = mx + b untuk menjalankan fungsi,saudara perlu menentukan beberapa hal:
library(mosaicCalc)
## Loading required package: mosaic
## Registered S3 method overwritten by 'mosaic':
## method from
## fortify.SpatialPolygonsDataFrame ggplot2
##
## The 'mosaic' package masks several functions from core packages in order to add
## additional features. The original behavior of these functions should not be affected by this.
##
## Attaching package: 'mosaic'
## The following objects are masked from 'package:dplyr':
##
## count, do, tally
## The following object is masked from 'package:Matrix':
##
## mean
## The following object is masked from 'package:ggplot2':
##
## stat
## The following objects are masked from 'package:stats':
##
## binom.test, cor, cor.test, cov, fivenum, IQR, median, prop.test,
## quantile, sd, t.test, var
## The following objects are masked from 'package:base':
##
## max, mean, min, prod, range, sample, sum
## Loading required package: mosaicCore
##
## Attaching package: 'mosaicCore'
## The following objects are masked from 'package:dplyr':
##
## count, tally
##
## Attaching package: 'mosaicCalc'
## The following object is masked from 'package:stats':
##
## D
slice_plot(5 * x - 2 ~ x, domain(x = range(3, 8)))
note: grafik diatas berfungsi untuk membantu mengingat parameter mana yang kemiringan dan mana yang intersep. jangan lupa untuk memberi nilai numerik untuk parameter,seperti ini:
m = -3
b = -2
slice_plot(m * x + b ~ x, domain(x = range(0, 10)))
note:untuk memberi nama pada fungsi bisa menggunakan makeFun(
A = 100
slice_plot( A * x ^ 2 ~ x, domain(x = range(-2, 3)))
A = 5
slice_plot( A * x ^ 2 ~ x, domain(x = range(0, 3)), color="green" )
slice_plot( cos(t) ~ t, domain(t = range(0,4*pi) ))
g <- makeFun(2*x^2 - 5*x + 2 ~ x)
slice_plot(g(x) ~ x , domain(x = range(-2, 2)))
setelah fungsi diberi nama ,anda dapat mengevaluasi dengan memberi input
, misal g (x = 2)
g <- makeFun(2*x^2 - 5*x + 2 ~ x)
slice_plot(g(x = 2) ~ x , domain(x = range(-2, 2)))
Saudara juga bisa membuat ekspresi baru dari fungsi yang dibuat ,seperti
ini:
slice_plot(sqrt(abs(g(x))) ~ x, domain(x = range(-5,5)))
2.1.1 Latihan1
x <- 12
slice_plot(A * x ^ 2 ~ A, domain(A = range(-5, 8)))
jelaskan mengapa grafik tidak terlihat seperti parabola,meski sebuah
grafikk X^2 note :karena input ke fungsi adalah A bukan X,nilai dari X
telah disetel ke-12 dengan rentang A dari -5 ke 8
slice_plot( 4 * x - 7 ~ x, domain(x = range(0, 10) ))
slice_plot( cos(5 * x) ~ x, domain(x = range(-1, 1)))
1.karena cos 2t dijendela 1 dari 0 hingga 5
slice_plot( cos(2 * t) ~ t, domain(t = range(0,5) ))
1.akar t cos 5t di jendela t dari 0 hingga 5
slice_plot( sqrt(t) * cos(5 * t) ~ t, domain(t = range(0, 5) ))
Latihan 3
g(x = 10.543)
## [1] 171.5947
Latihan 4 berikan perintah untuk membuat plot yang identik:
slice_plot(2*x - 3 ~ x, domain(x = range(0, 5)))
slice_plot(t^2 ~ t, domain(t = range(-2, 2)))
Latihan 5 parameter simbolik tanpa numerik
m*x + b ~ x
## m * x + b ~ x
hasilnya “objek tidak ditemukan”
Latihan 6 apa yang terjadi jika menentukan rentang input,tetapi hanya satu angka
slice_plot(3 * x ~ x, domain(x= range(1,4)) slice_plot(3 * x ~ x, domain(x = 14)) slice_plot(3 * x ~ x) Note : terjadi kesalahan karena tidak ada Domain Tau Domain hanya punya satu Nomor daripada rentang
names(Housing)
## [1] "Income" "IncomePercentile" "CrimeProblem"
## [4] "AbandonedBuildings" "IncompleteBathroom" "NoCentralHeat"
## [7] "ExposedWires" "AirConditioning" "TwoBathrooms"
## [10] "MotorVehicle" "TwoVehicles" "ClothesWasher"
## [13] "ClothesDryer" "Dishwasher" "Telephone"
## [16] "DoctorVisitsUnder7" "DoctorVisits7To18" "NoDoctorVisitUnder7"
## [19] "NoDoctorVisit7To18"
Housing$Income
## [1] 3914 10817 21097 34548 51941 72079
Housing$CrimeProblem
## [1] 39.6 32.4 26.7 23.9 21.4 19.9
Housing$crim
## NULL
## NULL
gf_point(CrimeProblem ~ Income, data = Housing )
gf_point(
CrimeProblem ~ Income, data=Housing ) %>%
slice_plot(
40 - Income/2000 ~ Income, color = "purple")
gf_point(
CrimeProblem ~ Income, data = Housing) %>%
slice_plot(
40 - Income / 2000 ~ Income, color = "yellow") %>%
gf_lims(
x = range(0,100000),
y=range(0,50))
Grafik ilmiah yang dibuat dengan benar harus memiliki nama sumbu yang
informatif. Anda dapat mengatur nama sumbu secara langsung menggunakan
gf_labs:
gf_point(
CrimeProblem ~ Income, data=Housing) %>%
gf_labs(x= "Income Bracket ($US per household)/year",
y = "Fraction of Households",
main = "Crime Problem") %>%
gf_lims(x = range(0,100000), y = range(0,50))
s = read.csv(
"http://www.mosaic-web.org/go/datasets/stan-data.csv")
gf_point(temp ~ time, data=s)
h = read.csv(
"http://www.mosaic-web.org/go/datasets/hawaii.csv")
gf_point(water ~ time, data=h)
Utilities <- read.csv(
"http://www.mosaic-web.org/go/datasets/utilities.csv")
gf_point(
temp ~ month, data=Utilities) %>%
gf_labs(x = "Month (Jan=1, Dec=12)",
y = "Temperature (F)",
main = "Ave. Monthly Temp.")
gf_point(
gasbill ~ temp, data=Utilities) %>%
gf_labs(xlab = "Temperature (F)",
ylab = "Expenditures ($US)",
main = "Natural Gas Use") %>%
slice_plot( 300 - 5*temp ~ temp, color="grey")
Grafik Fungsi Dua Variabel
slice_plot(
95 - 73*exp(-.2*t) ~ t,
domain(t = 0:20) )
Pelajaran ini adalah tentang merencanakan fungsi dari dua variabel.
Untuk sebagian besar, format yang digunakan adalah plot kontur .
Anda gunakan contour_plot()untuk memplot dengan dua variabel input. Anda perlu membuat daftar dua variabel di sebelah kanan +tanda, dan Anda perlu memberikan rentang untuk masing-masing variabel. Sebagai contoh:
contour_plot(
sin(2*pi*t/10)*exp(-.2*x) ~ t & x,
domain(t = range(0,20), x = range(0,10)))
Setiap kontur diberi label, dan secara default plot diisi dengan warna
untuk membantu memandu mata. Jika Anda lebih suka hanya melihat kontur,
tanpa isian warna, gunakan tile=FALSEargumen
contour_plot(
sin(2*pi*t/10)*exp(-.2*x) ~ t & x,
domain(t=0:20, x=0:10))
interactive_plot(
sin(2*pi*t/10)*exp(-.5*x) ~ t & x,
domain(t = 0:20, x = 0:10))
Sangat sulit untuk membaca nilai kuantitatif dari plot permukaan — plot kontur jauh lebih berguna untuk itu. Di sisi lain, orang tampaknya memiliki intuisi yang kuat tentang bentuk permukaan. Mampu menerjemahkan dalam pikiran Anda dari kontur ke permukaan (dan sebaliknya ) adalah keterampilan yang berharga.
Untuk membuat fungsi yang dapat Anda evaluasi secara numerik, buat fungsi tersebut dengan makeFun(). Sebagai contoh:
g <- makeFun(
sin(2*pi*t/10)*exp(-.2*x) ~ t & x)
contour_plot(
g(t, x) ~ t + x,
domain(t=0:20, x=0:10))
contour_plot(
sqrt( (v-3)^2 + 2*(w-4)^2 ) ~ v & w,
domain(v=0:6, w=0:6))
contour_plot(
sqrt( (v-3)^2 + (w-4)^2 ) ~ v & w,
domain(v=0:6, w=0:6))
contour_plot(
6*v - 3*w + 4 ~ v & w,
domain(v=0:6, w=0:6))