0.1 Rodzaje struktur danych

0.1.1 Wektory

Zadanie 1. Utwórz wektor danych “wiek” (w latach). Każdy z nich ma mieć 10 obserwacji, dowolne wartości.

wiek <- c(15,25,40,50,60,23,33,36,19,24)
ryzyko <- c(0,1,0,1,0,1,1,1,0,0)

0.1.2 Czynnik

Zadanie 2. Utwórz wektor ryzyko jako czynnik (factor): dla wieku >30 lat “0” o etykiecie “wysokie”, a dla pozostałych “1” o etykiecie “niskie”. Wskazówka: można wykorzystać ifelse.

ryzyko <- as.factor(ifelse(wiek<30,0,1))
kody <- c(wysokie=0, niskie=1)
ryzyko <- factor(ryzyko, levels=kody, labels=names(kody))
levels(ryzyko)
## [1] "wysokie" "niskie"

0.1.3 Ramka danych

Zadanie 3. Połącz wiek i ryzyko tworząc nową ramkę danych o nazwie “ramka”. Posortuj obserwacje wg wieku (malejąco).

ramka <- data.frame(wiek,ryzyko)
ramka <- ramka[order(wiek),]
View(ramka)
ramka
##    wiek  ryzyko
## 1    15 wysokie
## 9    19 wysokie
## 6    23 wysokie
## 10   24 wysokie
## 2    25 wysokie
## 7    33  niskie
## 8    36  niskie
## 3    40  niskie
## 4    50  niskie
## 5    60  niskie

0.1.4 Tablice

Zadanie 4. Utwórz tablicę “tablica” z wieku i ryzyka o wymiarach 5 wierszy, 2 kolumny (zmienne), 2 podgrupy o nazwie “Grupa 1.” oraz “Grupa 2”.

tablica1 <- array(ryzyko,dim = list(5,1,2))
tablica2 <- array(wiek,dim = list(5,1,2))
tablica1
## , , 1
## 
##      [,1]     
## [1,] "wysokie"
## [2,] "wysokie"
## [3,] "niskie" 
## [4,] "niskie" 
## [5,] "niskie" 
## 
## , , 2
## 
##      [,1]     
## [1,] "wysokie"
## [2,] "niskie" 
## [3,] "niskie" 
## [4,] "wysokie"
## [5,] "wysokie"
tablica2
## , , 1
## 
##      [,1]
## [1,]   15
## [2,]   25
## [3,]   40
## [4,]   50
## [5,]   60
## 
## , , 2
## 
##      [,1]
## [1,]   23
## [2,]   33
## [3,]   36
## [4,]   19
## [5,]   24
library(abind)
tablica <- abind(list(tablica1,tablica2),rev.along = 2, new.names = list(NULL,list("wiek","ryzyko"), list("Grupa1","Grupa2")))
tablica 
## , , Grupa1
## 
##      wiek      ryzyko
## [1,] "wysokie" "15"  
## [2,] "wysokie" "25"  
## [3,] "niskie"  "40"  
## [4,] "niskie"  "50"  
## [5,] "niskie"  "60"  
## 
## , , Grupa2
## 
##      wiek      ryzyko
## [1,] "wysokie" "23"  
## [2,] "niskie"  "33"  
## [3,] "niskie"  "36"  
## [4,] "wysokie" "19"  
## [5,] "wysokie" "24"

0.1.5 Listy

Zadanie 5. Utwórz listę “lista” zawierającą pierwsze 3 elementy każdej z grup w tablicy “tablica” oraz 3 kolory które najbardziej lubisz.

lista <- list(tablica[1:3,1:2,1:2],"czarny","różowy","granatowy")
print(lista)
## [[1]]
## , , Grupa1
## 
##      wiek      ryzyko
## [1,] "wysokie" "15"  
## [2,] "wysokie" "25"  
## [3,] "niskie"  "40"  
## 
## , , Grupa2
## 
##      wiek      ryzyko
## [1,] "wysokie" "23"  
## [2,] "niskie"  "33"  
## [3,] "niskie"  "36"  
## 
## 
## [[2]]
## [1] "czarny"
## 
## [[3]]
## [1] "różowy"
## 
## [[4]]
## [1] "granatowy"

0.1.6 Macierze

Zadanie 6. Utwórz macierz kwadratową B z cyfr od 1 do 9; macierz kwadratową A 2x3 z cyfr od 1 do 6; macierz C 3x2 z cyfr od 1 do 6. Dodaj do macierzy A wiersz [1,1,1] jako macierz D oraz do macierzy C kolumnę [1,1,1] jako macierz E. Wyświetl tylko trzeci wiersz macierzy E i trzecią kolumnę macierzy D.

B <- matrix(1:9,3,3)
A <- matrix(1:6,2,3)
C <- matrix(1:6,3,2)
D <- rbind(A,c(1,1,1))
E <- cbind(C,c(1,1,1))
E[3,]
## [1] 3 6 1
D[,3]
## [1] 5 6 1

0.2 Analiza opisowa

Zadanie 7. Dokonaj pełnej analizy opisowej dla osób z grupy 1. oraz grupy 2. (średnia, odchylenia, kwartyle, skośność, kurtoza).

summary (tablica2[,,1])
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##      15      25      40      38      50      60
summary (tablica2[,,2])
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##      19      23      24      27      33      36
library(e1071)
skewness(tablica2[, ,1])
## [1] -0.0653142
skewness(tablica2[, ,2])
## [1] 0.185074
kurtosis(tablica2[, ,1])
## [1] -1.98077
kurtosis(tablica2[, ,2])
## [1] -2.07324

Zadanie 8. Przedstaw na histogramach oraz wykresach ramkowych rozkłady wieku osób z wysokim i niskim ryzykiem kredytowym (porównanie - 2 wykresy obok siebie).

par(mfrow=c(1,2))
hist(ramka$wiek, prob=TRUE, main="Rozkład wieku według ryzyka kredytowego", cex.main=1, xlab ="wiek", ylab="gęstość", ylim=c(0,0.055) )
lines(density(ramka[ryzyko=="niskie",1]), col="red")
lines(density(ramka[ryzyko=="wysokie",1]), col="blue")
legend("bottomright", c("czerwony-wysokie ryzyko", "niebieski-niskie ryzyko"))
boxplot(ramka$wiek~ramka$ryzyko,  main="Rozkład wieku według ryzyka kredytowego",cex.main=1, ylab="wiek", xlab="ryzyko")