- •Version 3.1.0 (2014-04-10)
- •1.Введение и предварительные замечания 8
- •6.Списки и фреймы данных 37
- •11.Статистические модели в r 64
- •12.Графические процедуры 78
- •13.Пакеты 97
- •Предисловие
- •Предложения читателю
- •О переводе
- •Введение и предварительные замечания
- •Среда r
- •Связанное программное обеспечение и документация
- •R и статистика
- •R и оконная система
- •Использование r в интерактивном режиме
- •Первый сеанс
- •Получение справки по функциям и средствам
- •Команды r,учет регистра и т.Д.
- •Повтор и коррекция предыдущих команд
- •Выполнение команд из файла или перенаправление вывода в файл
- •Сохранение данных и удаление объектов
- •Простые манипуляции; числа и векторы
- •Вектора и присваивания
- •Векторная арифметика
- •Генерация регулярных последовательностей
- •Логические векторы
- •Пропущенные значения
- •Векторы символов
- •Векторы индексов; выбор и изменение подмножеств наборов данных
- •Другие типы объектов
- •Объекты, их режимы и атрибуты
- •Внутренние атрибуты: режим и длина
- •Изменяющаяся длина объекта
- •Получение и установка атрибутов
- •Класс объекта
- •Упорядоченные и неупорядоченные факторы
- •Специальный пример
- •Функция tapply () и массивы с переменной длиной строк
- •Упорядоченные факторы
- •Массивы и матрицы
- •Массивы
- •Индексация массива. Подразделы массива
- •Индекс матрицы
- •Функция array()
- •Смешанный вектор и арифметика массива. Правило рециркуляции
- •Внешнее произведение двух массивов
- •Обобщенное транспонирование массива
- •Матричные инструменты
- •Умножение матриц
- •Линейные уравнения и инверсия
- •Собственные значения и собственные векторы
- •Сингулярное разложение и определители
- •Подгонка методом наименьших квадратов и qr разложение
- •Формирование разделенных матриц cbind () и rbind ()
- •Функция связывания массивовc()
- •Таблицы частот от факторов
- •Списки и фреймы данных
- •Построение и изменение списков
- •Конкатенация списков
- •Фреймы данных
- •Создание фреймов данных
- •Attach() и detach()
- •Работа с фреймами данных
- •Присоединение произвольных списков
- •Управление путем поиска
- •Чтение данных из файлов
- •Функция read.Table()
- •Функция scan()
- •Доступ к встроенным наборам данных
- •Загрузка данных из других пакетов r
- •Редактирование данных
- •Распределение вероятности
- •R как ряд статистических таблиц
- •Исследование распределения набора данных
- •Тесты на одной и двух выборках
- •Группировка, циклы и условное выполнение
- •Группирующие выражения
- •Проверка утверждения
- •Условное выполнение: операторы if
- •Повторное выполнение: for, loops, repeat и while
- •Написание собственных функций
- •Простые примеры
- •Определение новых бинарных операторов
- •Именованные параметры и умолчания
- •Параметр ‘...’
- •Присвоения в пределах функций
- •Более сложные примеры
- •Фактор эффективности при проектировании блоков
- •Отбрасывание всех имен при печатании массива
- •Рекурсивное числовое интегрирование
- •Область действия
- •Настройка окружения
- •Классы, универсальные функции и объектно-ориентированное программирование
- •Статистические модели в r
- •Определение статистических моделей; формулы
- •Примеры
- •Противопоставления
- •Линейные модели
- •Универсальные функции для извлечения информации о модели
- •Дисперсионный анализ и сравнение модели
- •Таблицы anova
- •Обновление подогнанных моделей
- •Обобщенные линейные модели
- •Семейства
- •Функция glm()
- •Нелинейные наименьшие квадраты и модели наибольшего правдоподобия
- •Наименьшие квадраты
- •Метод максимального правдоподобия
- •Некоторые нестандартные модели
- •Графические процедуры
- •Высокоуровневые команды рисования
- •Функция plot()
- •Отображение многомерных данных
- •Графический вывод
- •Параметры для высокоуровневых графических функций
- •Низкоуровневые команды рисования
- •Математическая аннотация
- •Векторные шрифты Херши
- •Интерактивная графика
- •Использование графических параметров
- •Постоянные изменения: функция par()
- •Временные изменения: параметры для графических функций
- •Список графических параметров
- •Графические элементы
- •Оси и метки
- •Поля рисунка
- •Окружение составных фигур
- •Устройства вывода
- •PostScript диаграммы для типографии
- •Несколько графических устройств одновременно
- •Динамическая графика
- •Стандартные пакеты
- •Сторонние пакеты и cran
- •Пространства имен
- •Пакеты для анализа временных рядов
- •Основные пакеты - Basics
- •Время и даты -Times and Dates
- •Классы временных рядов - Time Series Classes
- •Прогноз и одномерное моделирование -Forecasting and Univariate Modeling
- •Ресэмплирование - Resampling
- •Декомпозиция и фильтрация - Decomposition and Filtering
- •Стационарность, единичный корень и коинтеграция - Stationarity, Unit Roots, and Cointegration
- •Нелинейный анализ временных рядов -Nonlinear Time Series Analysis
- •Модели динамических регрессий - Dynamic Regression Models
- •Модели многомерных временных рядов - Multivariate Time Series Models
- •Модели непрерывного времени - Continuous time models
- •Исходные временные ряды - Time Series Data
- •Разное - Miscellaneous
- •Перечень пакетов для анализа временных рядов:
- •• Aer • afmtools • bayesGarch
- •Приложение a. Примерный сеанс
- •Приложения b. Вызов r
- •В.1. Вызов r из командной строки
- •В.2. Вызов r под Windows
- •В.3. Вызов r под os X
- •В.4. Скрипты r
- •Приложение c. Редактор командной строки
- •Приложение f. Ссылки
Формирование разделенных матриц cbind () и rbind ()
Как мы уже видели неформально, матрицы могут быть созданы из других векторов и матриц функциями cbind() и rbind(). Например,cbind()формирует матрицы путем связывания матриц горизонтально, или по столбцам, аrbind()вертикально, или по строкам.
В присвоении:
> X <-cbind (arg_1, arg_2, arg_3...)
параметрами cbind()должны быть или векторы любой длины, или матрицы с одинаковым размером столбца, который является одинаковым числом строк. Результатом является матрица с присоединеннымиarg_1, arg_2..., которые формируют столбцы.
Если некоторыми из параметров cbind()являются векторами, то они могут быть короче, чем размер столбца любых существующих матриц, так как они циклически расширяются, чтобы соответствовать размеру столбца матрицы (или длине самого длинного вектора, если нет матриц).
Функция rbind()делает соответствующую работу для строк. В этом случае любой векторный параметр, возможно циклически расширенный, конечно взят в качестве векторов строки.
Предположим, что X1иX2 имеет одинаковое число строк. Объединить их по столбцам в матрицеX, вместе с начальным столбцом, равным 1, можно использованием:
> X <-cbind (1, X1, X2)
У результата rbind() илиcbind()всегда статус матрицы. Следовательно,cbind(x)иrbind(x)являются, возможно, самыми простым способом обработать векторxкак столбец или строку матрицы соответственно.
Функция связывания массивовc()
Нужно отметить, что, тогда как cbind()иrbind()являются функциями связывания, которые принимают во внимание атрибуты размерностиdim, базовая функцияc()этого не делает, а скорее очищает числовые объекты от всех атрибутовdimиdimnames. Иногда это полезно само по себе. Официальный способ преобразовать массив обратно к простому векторному объекту состоит в использованииas.vector():
> vec <-as.vector (X)
Однако подобный результат может быть достигнут при использовании c()только с одним параметром, просто в качестве побочного эффекта: > vec <-c (X)
Между ними есть незначительные различия, но, в конечном счете, выбор между ними - в значительной степени вопрос стиля (прежний предпочтительней).
Таблицы частот от факторов
Вспомним, что фактор определяет разделение на группы. Подобно этому пара факторов определяет два пути классификация кросса и так далее. Функция table()вычисляет таблицы частот от факторов равной длины. Если есть параметрыk-фактора, результат - kпутем массива частот.
Предположим, например, что statef- фактор, дающий код состояния для каждой записи в векторе данных. Присвоение: > statefr <- table(statef)
дает в statefr таблицу частот каждого состояния в выборке. Частоты упорядочены и маркированы атрибутом уровней фактора. Этот простой случай эквивалентен, но более удобен чем:
> statefr <- tapply(statef, statef, length)
Далее предположим, что incomef- фактор, дающий соответственно определенный “поступивший класс” для каждой записи в векторе данных, например, с функциейcut():
> factor(cut(incomes, breaks = 35+10*(0:7))) -> incomef
Затем вычислим двухвходовую таблицу частот:
> table(incomef,statef) statef
incomef act nsw nt qld sa tas vic wa
(35,45] 1 1 0 1 0 0 1 0
(45,55] 1 1 1 1 2 0 1 3
(55,65] 0 3 1 3 2 2 2 1
(65,75] 0 1 0 0 0 0 1 0
Расширение более высокого пути таблицы частот непосредственно.