Do zero ao sucesso em R (parte 1) — introdução à programação em R

1. Preview: Bem-vindo ao zero Toe nosso curso de herói, onde você aprenderá programação de arte e como aproveitar poderosas ferramentas de análise estatística para sinais de dados. Meu nome é David, e eu sou um professor de cientista climático com mais de 10 anos de experiência usando nossa programação, bem como para um pesquisador e um professor. Sou apaixonado por ensinar e me esforço para tornar o conteúdo do meu curso acessível a todos, independentemente do seu nível de experiência. Eu projetei este curso para girar em torno do uso de conjuntos de dados da vida real instruções passo a passo sobre as mãos práticas em atividades para que você possa aprender novas habilidades foram votar ficando careca em teoria complexa. No final deste curso, você terá desenvolvido uma base de capacidade básica para programar e são capazes de realizar análises estatísticas amplamente utilizadas e estão familiarizados com votações. Gerar gráficos significativos de resultados. O aluno ideal para este curso está interessado em expandir suas capacidades de análise de dados em aprender melhor, trabalhando com exemplos riel, não há requisitos para se inscrever além de uma vontade de aprender a nossa programação. Sinta-se livre para dar uma olhada na descrição do curso em. Eu vou olhar para a frente para vê-lo à vista 2. Introdução a R: Eu gostaria de começar com uma breve introdução à nossa programação e para falar sobre por que é uma muito, coisa muito, muito boa de usar. Em primeiro lugar, é absolutamente grátis. O programa em si é gratuito para instalar toda a funcionalidade adicional que usaremos é gratuita para instalar para que você possa escolher este programa em sua própria máquina ou em seu computador de escritório e nunca ter que pagar por isso. Are também é uma linguagem de programação, por isso é altamente personalizável. Você pode executar muito original, muito personalizado anuncia tarefas porque você está escrevendo tudo em poderia. Também é fácil reexecutar essas análises complexas porque elas são resfriadas. Tudo é salvo em um arquivo de script, para que você possa abri-lo anos mais tarde. ONU. Análise realizada exatamente na mesma semana também é muito fácil de automatizar e são assim que isso é uma coisa enorme para economizar seu tempo. Você sabe que leva muito tempo para fazer análises manualmente, especialmente se você está fazendo algo realmente repetitivo em um grande conjunto de dados. Mas como esta é uma linguagem de programação, podemos iterar através desse conjunto de dados através dessas análises. Tarefas, ao contrário do computador, fazem o trabalho pesado para nós. Também é ótimo e são porque você pode produzir gráficos realmente de alta qualidade e muito profissionais de aparência para que você possa realmente elevar suas descobertas em seus resultados. Há também muitos pacotes diversos ou extensões disponíveis e são por isso há uma grande quantidade de funcionalidade embutida no programa base do nosso, Mas há também muitas, muitas centenas de pacotes lá fora que foram desenvolvidos para adicionar funcionalidade adicional para o programa base. Vamos usar muitos desses. Há também um monte de comunidade. Recurso é para que haja tantas pessoas usando estão no mundo que as chances são de que não importa o problema que você se deparar e você está codificando alguém provavelmente já teve o mesmo problema que publicou uma solução on-line. Então o Google é seu amigo. Há muitos blog e recurso está em ajuda. Andi nervoso ALS lá fora que você pode explorar um encontrar uma solução para o seu problema são também é extremamente amplamente utilizado, um acadêmico em pesquisa comercial, Mawr e mais pessoas estão usando nosso todos os dias, e é muito tornando-se o padrão para análise estatística e ciência de dados e, finalmente, nosso como código aberto que significa que a funcionalidade é continuamente adicionada, está sempre evoluindo para fornecer funcionalidades adicionais para realizar novas análises tarefas. Tendo dito tudo isso, também há razões pelas quais são podem ser uma grande dor, especialmente quando você está começando e aprendendo pela primeira vez são como pista de comando conduzida. Portanto, não adianta clicar em seu caminho para o Nirvana. Não há sistemas de menu ativados. Tudo tem que ser citado à mão. Então junto com isso vem uma curva de aprendizagem muito íngreme. É como aprender uma nova língua é um desafio e vai levar algum tempo. Mas estou aqui para ajudá-lo com isso. Então vamos comparar a nossa curva de aprendizagem com a curva de aprendizagem de outros programas. Obviamente, quanto mais tempo você gasta aprendendo algo, quanto mais você pratica, melhor você se tornará. Mas algumas coisas são mais difíceis do que outras. Então, se olharmos para a nossa curva de aprendizagem lá, vocês verão que é inicialmente muito íngreme, e o baixo podemos perder alguns de vocês ao longo do caminho. Estou aqui para ajudá-lo a superar essa corcunda e chegar a um platô onde você se torna um especialista confiante , nosso usuário, para ilustrar quão amplamente são usados em todo o mundo. Quero fazer-lhe esta pergunta. Quero perguntar-te, o que são os Piratas? Linguagem de programação favorita? Bem, é claro, são claro, metes. Isso é só uma brincadeira. Mas, por favor, junte-se a mim no próximo vídeo, onde vamos ver exemplos do nosso código e ver como ler o cordão, olhar para a sua estrutura e determinar o que ele está realmente fazendo, então eu vou pegar vocês no próximo. 3. Como ler código: neste vídeo, eu gostaria de mostrar brevemente um pedaço de exemplo do nosso código e falar sobre como reconhecemos o que o cabo está fazendo, como ler o cabo sobre como pensamos sobre sua estrutura. Então, por que lemos aquele pedaço de código? O que devemos procurar? Devemos procurar letras ou palavras? Devemos olhar para os números? Devemos olhar para os símbolos que são usados? Bem, na verdade não deveríamos estar olhando para nenhuma dessas coisas. Em primeiro lugar, não. Primeiro, devemos procurar os comentários. Comentários foram escritos pela pessoa que escreveu o código em primeiro lugar sobre o explicar o que o código está fazendo. Então, é vital que os leamos. Próximo. Vamos olhar para o peso, o espaço, o espaço, as pistas vazias, o recuo que está ao redor do barco, o cabo que nos diz muito sobre a estrutura do cabo no que o cabo está fazendo. Então vamos olhar para o que estava em fechar esse espaço em branco. Estas podem ser palavras como função ou fim, ou podem ser símbolos, incluindo colchetes, parênteses e chaves. Em seguida, vamos olhar para reúne palavras em letras no último de todos os números que estão sendo usados. Então, enquanto olhamos para trás para este exemplo, pedaço de código, a primeira coisa que estamos procurando são comentários. Este comentário me diz que este pedaço de código é uma simulação binomial. Se eu ler a descrição abaixo, ela me diz que isso poderia ser calcular a proporção fora de cabeça em contos que são alcançados ao lançar uma moeda. Você vai notar que há bloco de comentários é incluído por hashtags ou sinais de pone e são a hashtag Ropponen. Sane diz ao computador, não leia isso. Isto é falar humano. Isto é inglês. Eu não tenho que comandar isso. Então é aqui que procuramos explicações sobre o que o cordão realmente faz. Podemos então começar a olhar para o espaço em branco aqui e on-line. 23. Vemos que há algum espaço em branco. Isso está indicando que Ok, tivemos alguns comentários. Agora vamos começar a fazer algumas coisas. Não temos mais espaço em branco na pista 32. Então isso indica que de 24 a 31 todas essas linhas de código estão fazendo uma coisa, então on-line 33 a 44. Temos outro pedaço de Courtis separado por algum espaço branco. Isso diz, outra seção do tribunal está fazendo outra coisa. Outra coisa que temos acontecendo é o recuo nas linhas 34 a 43. Cada linha de código é recuada ou tocada para dentro. Isso me diz visualmente, que cada linha lá, como com n ou parte fora do exterior para loop que está acontecendo aqui. Então também começamos a notar que existem algumas chaves em alguns parênteses. A chave encaracolada nesta instância está indicando onde um loop de quatro está acontecendo. Tudo dentro dessas chaves encaracoladas da Lane 33 Toe Lane 44 temos código que está sendo executado em iterar dentro de um loop. Temos também parênteses e parênteses, ar geralmente indicando onde uma função está acontecendo. Então aqui temos ver parênteses. Esta é a função inata concorrente que une ou agrupa elementos. Também temos símbolos e operadores neste código. Se formos para a pista 26 Eu circulei algo que parece uma seta é um Chevron, seguido por um traço ou um hífen que é o operador de atribuição e estão tão aqui online. 26. Estamos atribuindo um número tain para a variável inverte aqui. Dentro do loop for, temos uma declaração F, que avalia se eu é maior do que dois. Então este é um operador lógico. É avaliar se eu é maior do que dois foram devolvidos, verdadeiro ou falso. E, finalmente, temos sinal desigual. Desenhei um círculo por aqui. Isto está dentro de uma função. Ondas atribuindo algo a um argumento chamado Main Dentro da função aqui está atribuindo proporção fora de cabeças uma string de texto, então programas são simplesmente instruções. São fluxos sequenciais de instruções que o computador lerá. Então, indo de linhas de código para boa saída, boa figura. Belo rascunho não é magia. É simplesmente o computador lendo essas linhas do tribunal. Então temos que pensar cuidadosamente em um barco, a ordem que apresentamos aqueles em se o computador vai fazer sentido deles ou não, de acordo com Dextre, um grande engenheiro de software, pai grande fora da computação. Todos os programas podem ser estruturados e para quatro maneiras possíveis que podemos ter uma sequência podemos ter facilidade de ramificação, enfraquecer de loops e podemos ter módulos. Então esse é o Luca, cada um desses diferentes tipos de estruturas. Resumidamente, porque cada um deles forma a base para a lógica de programação. Temos fluxo sequencial rigoroso onde simplesmente temos um pedaço de cabo, outra peça e outras chaves, e ele executa na análise. Então, esticar o chão sequencial. Passo 123 em Tada terá então algo chamado ramo, que é uma declaração condicional. Então isso seria como uma declaração se. Temos algo que foi feito em vez disso. Um, é. Então teste comer. Alguma instrução lógica é testada. Eu nunca se transforma verdadeiro ou falso, e isso determina se seguimos Puff um ou se seguimos o caminho para que você possa ver o código está se ramificando em dois ou mais caminhos. Então temos loops, esses ar repetindo continuamente até que a condição seja atendida. Então você pode pensar nisso como um loop através de uma tabela de dados. Uma tabela de dados com, digamos, 100 rosa. Você começa na regra um. Você executa alguma análise dentro do loop, então você vai crescer 2345 Então você iterou através de 100 rosa até você chegar a última no final de looping stops. Os módulos estão simplesmente colocando muitas partes de análise ou passos de acorde com uma função A. Então aqui temos vários passos partes do tribunal que estamos seguindo sequencialmente. E em vez de escrever cada uma dessas linhas toda vez, queremos que o computador leia, um, enfraquecer colocar quatro dessas caixas quatro desses passos de código com módulo infinito ou função , e então podemos chamar toda essa funcionalidade. Sempre que quisermos, votaremos a classificação de todos os passos individuais. Então essas são coisas cada um desses aspectos do código que vamos olhar enquanto passamos por este curso. Mas além da estrutura, o que mais estamos olhando? Estamos olhando para variáveis. Ele vai ter tipos diferentes ou estruturas diferentes para eles. Existem vetores que são grupos fora do mesmo elemento que são matrizes, que são essencialmente tabelas fora colunas e cresce. E, em seguida, dentro de nossa, há uma estrutura especial chamada um quadro de dados, que é uma tabela de dados. Mas pode conter variáveis diferentes com elementos diferentes, por isso pode conter dados numéricos. que poderia conter dados de texto. Pode conter vários tipos diferentes de variáveis na mesma tabela de dados. Nós também temos operações, estes verbos de alho e a linguagem estes termos de ação aérea. Eles podem ser subtração adição matemática, divisão de multiplicação onde eles poderiam ser um operadores lógicos como maior do que menor ou igual a. E então temos a maneira como estamos interagindo o diálogo entre nós na máquina. Então, ao olharmos novamente para este pedaço de cordão, podemos ver ramos dentro dele. Temos uma declaração se aqui em baixo que avalia se eu sou maior que dois. Se eu for maior que dois, correremos. O tribunal está dentro dessa declaração se. Nós também temos um loop aqui que está looping para testes de cólon e 1. Então isto está dizendo que para um até a duração de testes que nós designamos mais adiante com, pista 27 é 100. Então, para um a 100 olhos indo para igual a um na primeira geração, eu será igual a na segunda geração 34 etcetera até que atinja 100 nanite terminará . Também temos delegados dentro disto. Poderíamos ter alguma função em dentro que temos uma função de exemplo em dentro que temos um invólucro, função inata. Então aqui estamos nós, encapsulando muitos passos dentro de uma função. E então temos dados e temos operadores. Estamos atribuindo dados numéricos para moedas duas cabeças, dois flips, dois testes para acelerar. Também estamos realizando operações lógicas com o maior aprendido e também o sinal de igualdade . Aí está você. É assim que olhamos para o Cord. Temos que começar a entender o que está fazendo, como lemos Cord. Então não, vamos continuar sem mais delongas e praticar realmente escrever código. 4. Instalando R e RStudio: Então vamos começar. A primeira coisa que temos que fazer é instalar dois programas. O primeiro programa é o nosso. E então temos que instalar nosso estúdio, que é mais uma interface gráfica de usuário que nos permite interagir mais facilmente com o nosso Então abra seu navegador web indo Internet no Google ou procure por nosso download. E a primeira coisa que deve surgir é o nosso projeto de computação estatística. Vamos clicar em que Nana diz que o nosso site e, em seguida, o lado esquerdo vemos um monte de menus. Temos um download em um botão de cran, então clique em Cron. Isso nos leva a uma lista de espelhos ou servidores que basicamente hospedam nosso em todo o mundo . Então, o que quer que você seja, role para baixo até um servidor ou assunto que esteja perto de sua localização. Vou percorrer todo o caminho até os EUA EUA EUA e vou escolher a Universidade da Califórnia, Berkeley. Mas você deve escolher algo que está perto de onde você está realmente localizado. Quando eu clico que eu não fui baixado e roubou o nosso eu tenho três opções. Baixe nosso para Lennox baixe nosso para Mac e baixe nosso para Windows. Então eu estou em um Mac, então eu vou clicar em Baixar nosso para Mac. Ele me leva para uma página adicional onde eu recebo um instalador de pacotes para a versão 3.6 ponto um fora do nosso é continuamente atualizado. Então, basta chegar a isso e pegar a versão mais recente que vai ser baixada. Uma vez baixado, você pode instalá-lo. A próxima coisa que vamos procurar é o download do estúdio On. A primeira coisa que surge é baixar nosso estúdio do nosso estúdio, Dr. Cohn vai clicar nisso. Isso nos leva ao nosso site de estúdio, e nós perdoamos Senhor, nosso desktop estúdio para download gratuito clique rola para baixo da página um pouco, e podemos escolher nosso sistema operacional novamente. Eu sou um Max quando eu estou indo para clicar na opção Makbul West, e isso também vai baixar, e então você pode instalá-lo. Você pode e abrir o nosso a partir de seus aplicativos, não se você estiver em um Mac ou de arquivos de programa. Se você está no Windows e quando você abre o nosso você começa a janela do console são, então este é um ossos muito nuas limitado Olhe para o nosso Ele diz-lhe apenas um pouco sobre o programa em si, e dá-lhe um cursor piscando, um pista de comando para o qual você pode começar a classificação poderia. Então, por exemplo, eu posso escrever dois mais dois desmarcar que sim, ele ainda é igual para isso é bom saber, tão preciso. Ou insira todo o meu código no console aqui, mas seja um pouco complicado. Se eu quiser criar várias linhas de código e adicioná-las e alterá-las e voltar, abri-las, salvá-las desse tipo de coisa. Então o que vamos fazer é não usar o console são em si. Em vez disso, vamos usar o nosso estúdio que se comunica com ele. Então, quando abrirmos nosso estúdio depois que você tiver instalado, você verá que há várias dores, e a primeira coisa que vamos fazer é ir para o arquivo em nosso estúdio, e vamos fazer um novo arquivo, nosso script, Então isso abrirá uma nova janela. Então temos quatro dores ou quatro janelas aqui, e este novo não tem título, documento de script vazio. Então aqui eu posso começar a escrever linhas de cordão e então eu posso executá-las. E o console que está aqui na janela inferior esquerda. Então esta é apenas uma versão menor fora do console são em si para que eu possa escrever script na janela superior esquerda, executá-lo na janela inferior esquerda em. Ao fazer isso, começarei a ver que as variáveis que crio ou os conjuntos de dados com os quais estou trabalhando estão preenchidos na janela superior direita. Isso é chamado de ambiente. Isso me mostra todas as variáveis com as quais estou trabalhando no meu ambiente atual. E ele vai dar um resumo sobre essas variáveis e, em seguida, no fundo, dor direita. Temos algumas coisas interessantes. Temos uma guia para as parcelas. Então é aqui que todos os números que criamos aparecerão em nós podemos exportá-los. A partir daqui há diferentes tipos de arquivo. Também temos uma guia de ajuda, que é muito, muito útil. Ele nos dá explicações sobre funções, para que possamos facilmente obter ajuda. Então, por exemplo, eu tenho a função de enredo já aberta aqui. Ele me diz qual é a função de enredo. Ele me dá uma descrição, me diz como usá-lo, me dá os argumentos que ele requer. E também, se eu rolar mais para baixo, ele me dá exemplos de como usar essa função, bem como links para funções relacionadas. E posso procurar qualquer função aqui. Então, um dos primeiros que vamos estar usando há uma tabela de pontos de cana para que eu possa digitar e ler tabela de pontos aqui hit Return on. Isso me dá necessidade de documentação e ajuda para isso. Ele me diz o que ele faz mostra que o uso dele me diz quais são os argumentos tão realmente, muito úteis. Muito fácil de obter ajuda na nossa configuração de estúdio aqui. Podemos estar a tentar ajudar um evento na janela direita de Boston. Por que estavam escrevendo ou usando a função e a janela superior esquerda e executando-a na janela inferior esquerda? Então, é um ambiente muito bom para fazer nossa programação para obter ajuda imediatamente, também, com esta janela de ambiente aqui em , também, cima, podemos ver o que estamos criando imediatamente e ter uma idéia de se ele parece certo, Coronel. Então vamos usar nosso estúdio para toda a nossa programação nesta aula, e eu encorajo você a continuar usando isso no futuro é um ambiente muito legal no trabalho e torna nossa programação muito mais fácil. 5. Introdução às análises básicas: Olá e bem-vindo ao curso. Estou muito animada por você estar aqui. Estou muito animado para começar nossa jornada e dois estão juntos nesta última. Nós vamos aprender tantas coisas novas que vamos continuar a construir sobre elas enquanto trabalhamos com conjuntos de dados riel através da classe. Mas aqui está o que vamos aprender especificamente nesta primeira seção fora da turma. Primeiro de tudo, vamos aprender como carregar dados em nosso ambiente onde eles vão larrin ho, para preparar ou pré-processar os dados para verificar se há possíveis erros sobre como corrigir esses erros que podemos encontrar. Nós também vamos aprender como criar parcelas básicas, incluindo gramas sibilados, gráficos de caixa e gráficos de dispersão, bem como alguns outros tipos de parcelas básicas. Também vamos calcular estatísticas descritivas. Estes incluem coisas como maldade e mediana suas maneiras de descrever um dado dizer, sobre a população de interesse. Nós também vamos estar trabalhando com vários tipos diferentes de variáveis, incluindo vetores em algo chamado fatores. Nós vamos estar criando quadros de dados que são realmente importantes objeto de dados dentro do nosso ambiente de programação. Nós também vamos criar funções definidas pelo usuário onde não só usamos funções embutidas dentro do nosso nós estamos realmente indo para criar alguns dos nossos próprios. Nós também vamos aprender a iterar entre os vetores em quadros de dados, usando estruturas de loop para automatizar nosso código. E, finalmente, vamos realizar estatísticas inferenciais. Coisas como testes T, novas, correlação e regressão. Quero dizer a diferença entre as estatísticas descritivas inferenciais como as estatísticas inferenciais alos perguntar e responder mais em dívida. Perguntas sobre nosso conjunto de dados para obter insights. Muitas vezes, os dados que estarão trabalhando nesta primeira seção da classe são chamados de Tempo e Vida. É um conjunto de dados que eu realmente ajudei a criar há muitos anos, e é um conjunto de dados onde perguntamos a pessoas do público, Quantos anos você acha que tem? Os membros do público receberam um pedaço de papel com este diagrama de cabelo cruzado nele. Você verá que há ah, pista preta horizontal em uma linha preta vertical no meio, e eles foram convidados a olhar para esta cruz aqui e imaginar que a faixa horizontal é o tempo na faixa vertical, intersectando com ele é o presente foram então convidados as pessoas a pensar sobre onde eles estão em sua vida e a desenhar linhas verticais. Neste diagrama. Pedimos a eles que desenhassem uma linha à esquerda da faixa vertical central, indicando quando nasceram e desenhassem uma linha à direita da linha central vertical , indicando quando ou onde pensam que vão morrer. Então estamos pedindo às pessoas que julguem, onde estão agora? Comparado com suas vidas? Em outras palavras, quantos anos eles realmente pensam que têm? Eles estão perto da morte ou estão muito mais longe no futuro? Então, por exemplo, se eu fosse preenchê-lo naquela pesquisa, eu colocaria meu nascimento bem perto do presente porque eu não sou tão velho. E eu colocaria minha morte onde eu acho que vou morrer uma linha vertical que eu colocaria no futuro, porque eu acho que vou viver para sempre. no futuro, Poderíamos então medir essas pistas. Estávamos determinados até onde alguém pensa que está ao longo da vida. Poderíamos então comparar isso com tabelas atuariais que os estatísticos usam particularmente aqueles envolvidos com o seguro de vida e vendendo esses tipos de apólices. Essas tabelas dizem aos estatísticos quanto tempo é provável que alguém viva com base em quando nasceu,para nasceu, que pudéssemos comparar a idade que alguém tem estatisticamente com a idade que pensa que tem. Quando fizemos isso, poderíamos determinar se a ideia deles, se eu fosse velho, era negativa, comparada com a idade que realmente têm . E se esse fosse o caso, isso significava que eles se sentiam mais jovens do que realmente são. Significa que eles se sentem mais jovens. Eles pensam que estão mais longe da morte, então eles realmente estão, e algumas pessoas teriam um número positivo. Algumas pessoas estariam superestimando seu tempo na vida. Alguém poderia pensar que eles são mais velhos, então eles realmente são. E então nós também pedimos a essas pessoas um monte de outras variáveis, coisas como se eles fossem casados, se eles estão empregados, quanto é o nível de educação deles? Nós usaríamos essas outras variáveis para prever como as pessoas idosas pensam que são. Então vamos entrar nesses dados, digamos, vamos começar a olhar para eles, e eu sei que você vai achar fascinante reunir esses insights e analisar esse conjunto de dados e criar algumas figuras realmente interessantes e visualizações do que aprendemos sobre ele. Então, vamos começar. Vejo-te no próximo vídeo. 6. Configurando seu ambiente de programação: antes de começar a escrever qualquer código real e são. Eu acho que é uma boa idéia configurar um sistema de pastas para armazenar nosso código, nossos dados em nossa saída. Então eu criei uma detecção de uma pasta no meu computador. Você pode nos criar onde quiser em um lugar que funcione para você. Se olharmos na minha seção uma pasta, você verá que eu tenho algumas pastas para saída de dados e algo chamado SRC que significa fonte. É onde eu vou salvar nosso código fonte que estava realmente escrevendo. Se eu clicar na pasta de dados, você verá que eu já fiz carregado o arquivo txt de dados de tempo e vida que como nosso arquivo de dados que vamos estar trabalhando e lendo na primeira seção fora do curso. Ele também pode ver a pasta escolhida noite onde estamos indo para armazenar gráficos e geralmente saída, e também a pasta fonte onde vamos salvar nosso código-fonte. Então, tendo configurado isso, vamos nos abrir. Nosso estúdio em nosso estúdio é um ótimo ambiente para trabalhar e é e você vai notar que temos um arquivo de script sem título e a dor superior esquerda. Se você não tiver isso, você pode abrir um novo arquivo de script indo para arquivo novo arquivo em nosso script. É aqui que vamos começar a escrever cordão. Então a primeira coisa que devemos fazer é nomear o arquivo de script e criar um pouco fora de um comentário onde vamos escrever o que é código como um barco, para que serve. Então eu já criei algum script para fazer isso. Eu só vou copiar um final, mas e você pode copiá-lo para o seu documento sem título. E tudo isso, como novamente, são hashtags. AARP próprios sinais indicando para o computador que não é para ler que esses são comentários humanos em Dive escrito que esta é uma introdução à análise estatística e nosso eu estou dizendo que nós vamos fazer oração de dados sobre análise básica e estamos usando o dados de tempo e vida originalmente preparados por mim. Hoje à noite do David Keeling, temos algo escrito no arquivo do script. Nós provavelmente deveríamos salvá-lo, Então, para fazer isso, podemos pressionar o botão salvar ou podemos ir salvar arquivo como e vamos navegar para o que você criou sua seção uma pasta, ir para a pasta de origem, e, em seguida, vamos nomear este arquivo em salvá-lo. Então eu vou simplesmente chamar esse código de sublinhado de análise estatística. Então, dando-lhe uma descrição básica, algo que eu vou entender. E vou guardá-lo na pasta de origem. Então agora não está mais sem título. Nós demos um nome a ele, e podemos continuar a clicar no botão salvar enquanto continuamos a ADM. Ou mais linhas de código para isso. Então me pegue no próximo vídeo onde vamos começar a classificação. Eu realmente li no conjunto de dados e começar a verificar se há erros no sul. Vejo você então. 7. Leitura em um banco de dados e alterar nomes de colunas: Vamos começar a escrever nossas primeiras linhas do nosso código. A primeira coisa que eu realmente vou fazer é escrever um comentário para mim mesmo que diz, Este é o lugar onde eu estou carregando e preparando os dados necessários novamente. Escrever comentários são super importantes, não apenas para ajudá-lo. Quando você olha para o tribunal, você escreveu, mas também quando alguém olha para o seu acordo, isso os ajuda a entender o que você estava escrevendo. Então, a função que estamos indo para usar para ler e os dados é chamado Reader Table. Esta é uma função, por isso tem uma tabela de retorta de nome, e é seguido por parênteses. Dentro desses parênteses é onde nós especificar argumentos, separados por vírgulas e ameaça classe. Nós vamos usar muitas, muitas funções, muitas funções, então eu encorajo você a cada vez que nos deparamos com uma nova função, pausar o vídeo em, Procurar o inferno sobre essa função. Então eu já carrego para ajudar aqui no fundo. Dor na mão direita para a tabela Reid Dot E lembre-se, você pode procurar por qualquer nome de função usando a barra de pesquisa aqui, então leia, não tabela requer três argumentos. O primeiro argumento é o caminho e o nome do arquivo para qualquer que seus dados estejam em sua máquina. Mas para tornar as coisas mais fáceis, vou usar o arquivo Dog mastiga função. Quando eu correr neste, isso vai realmente abrir uma janela do localizador ou janela do Windows Explorer e que baixo eu estava para navegar para qualquer que os dados estão em nossas máquinas. O próximo argumento é definido dito é necessário porque as nossas necessidades de saber que tipo de separador é entre os dados e nosso conjunto de dados. Então você pode ter ouvido falar de valores separados por coma CSP, mas nós vamos realmente usar um ponto txt de dados definido aqui. Então, esses valores separaram a aba de ar. Então, entre cada coluna e não conjunto de dados, há uma guia e nossas necessidades de saber o que é isso. Então ele sabe onde há separação entre colunas e para especificar que vamos colocar aspas duplas. Vou colocar barra T. É assim que nosso nariz é um personagem de tabulação. O último argumento é cabeçalho em. Temos que especificar se cabeçalho é igual a false ou hander é igual a true. Se cabeçalho é igual a true, então eles vão assumir que a primeira linha de dados e nosso conjunto de dados é realmente os cabeçalhos de coluna ou nomes de coluna em nosso conjunto de dados não tem nomes. E então nós estamos realmente indo para dizer Header é igual a falso para que nosso sabe que os primeiros dados de estrada é apenas a primeira linha de dados em não chamá-lo nomes. Agora. Poderíamos executar isso como está, mas é muito mais útil se atribuirmos a uma variável. Então eu vou atribuí-lo a uma variável chamada Life Data usando o operador de atribuição Chevron e o Dash. Então vamos ver o que acontece quando executamos esta linha de código usando retorno de comando ou retorno de controle , dependendo de qual máquina sua própria então imediatamente abre uma janela de localizador. Então é aqui que eu vou navegar para a minha seção uma pasta, a pasta de dados dentro dela. E é aqui que eu encontro meu tempo e dados de vida dot txt que eu já baixei do site da classe. Então eu vou clicar sobre isso e ir em frente em abri-lo tão imediatamente. Você vê isso na janela do ambiente falar direito. Temos dados de vida é um quadro de dados. Tem 210 observações de 13 variáveis. Portanto, esta é essencialmente uma tabela de dados com 13 colunas e 210 linhas. Podemos vê-lo com mais detalhes se clicarmos no botão de seta branca e azul que mostra é que temos colunas V um até o 13. Então, novamente nós especificamos toe são que não havia cabeçalhos neste conjunto de dados, então o nosso foi em frente fez alguns agora lá. Não, o mais descritivo. Então vamos ter que fazer algo sobre isso. Mas também nos permite ver uma amostra dos dados que estão em cada uma dessas colunas. Ele nos diz se é um inteiro, um fator. Origin America's, que diz, é o tipo de dados que está em cada coluna. E então ele nos dá os primeiros bits de dados em que eles estão, cada um fora das colunas, outra maneira de visualizar dados e nosso é simplesmente apertar dados de vida, não variáveis que criamos. E executar isso, e você verá que nosso conjunto de dados imprime no console inferior esquerdo para que possamos ver todas as 13 colunas, mas apenas a primeira arte 76 linhas faz. Isso corta o conjunto de dados para que ele não encha o console com volumes particularmente grandes de dados. Outra maneira legal que podemos olhar para o conjunto de dados é usado. A cabeça da função head retornará por padrão para seis linhas de um conjunto de dados. Então nós especificamos dados de vida. Mas digamos que não queremos apenas papéis sexuais. Digamos que queremos 10 linhas, mas podemos, no segundo argumento, especificar quantas regras queremos. Quando corremos que obtemos apenas o primeiro 10 linhas fora de dados de vida, outra função legal para saber como cauda. Isso faz exatamente a mesma coisa que a cabeça. Mas, como você deve ter adivinhado, isso realmente olha para a cauda ou o fim do conjunto de dados, e você pode especificar quantas regras você deseja ver a partir da última regra de volta no conjunto de dados . A próxima coisa que queremos fazer é corrigir esses nomes de coluna. V 1 a 13 não é muito descritivo, e não vai nos ajudar quando estamos tentando analisar este conjunto de dados. Então eu já preparei uma lista fora dos nomes de variáveis que estão neste conjunto de dados. Eu só vou copiar e colá-los, e aqui quando eu devolver isso um pouco para que você possa vê-los. Todos estes são todos fora dos nomes das variáveis. Você vai notar que eu coloquei todos eles e citações duplas. Isso nos diz que há cordas de texto sua linguagem humana, não para que ele leia. A Andi. Eu também tenho Coleman entre eles porque a primeira coisa que queremos fazer com estes como nós queremos inventá-los juntos usando a função C e isso vai criar um vetor sobre estes elementos como, todos esses textos strings juntos e, em seguida, o que vamos fazer como estamos indo para um sinal não para Os nomes de colunas fora do conjunto de dados para que eu possa usar os nomes de chamadas de função. Posso dar-lhe dados de vida e depois posso atribuir Maiken Katyn 82 cadeias de texto a isso. Vamos ver o que acontece quando nós apenas destacar nomes de chamada dados vida e executar não Ele nos dá o V um através do 13 para que possamos realmente atribuir em cima desses novos nomes. Então, quando executamos todo esse pedaço de código e não importa que voltemos no final dessas linhas porque temos um coma. Há um nariz para continuar procurando por outra linha de código até chegar aos parênteses de fechamento para que possamos rodar tudo juntos. E o que vemos imediatamente é que na TV de dados de vida um a 13 nomes de colunas foram substituídos por nomes de strings de texto mais descritivos que reconhecemos como humanos. Então, junte-se a mim no próximo vídeo, onde vamos explorar o status que mais adiante, vamos verificar se há erros que ele possa ter. Vamos consertar os Evers, então eu te pego no próximo. 8. Verificar Verificar erros em um banco de dados: A próxima coisa que queremos fazer é verificar o conjunto de dados para possíveis erros. Então eu queria comentar Aqui, verificar o conjunto de dados para erros em uma das maneiras mais fáceis que podemos procurar problemas no conjunto de dados é usar esta função de resumo. Então vamos dizer dados resumidos da vida e executar isso. Deixe-me apenas fazer o console maximizado para que possamos ver o que aconteceu quando entramos. Dados de Vida Sumariada essencialmente executa um resumo estatístico em cada coluna dentro do conjunto de dados . Então nós obtemos coisas como homens medianos, Média e Max, o primeiro quartil no terceiro trimestre, fora dos dados em cada coluna, e imediatamente eu posso ver que há um problema e a coluna de tempo. Vejo que há algo aqui chamado qualquer dia em seu 10 fora eles sabem em nosso discurso, qualquer meio, não um número ou em falta valor. Portanto, isso é um problema. Temos 10 na coluna do Tempo. Parece que também temos 10 nos 10 anos e a morte em números de valores ausentes em outros lugares , também. Vemos também que na coluna Sexo temos M para macho e F para fêmea 100 participantes de cada, mas também temos um espaço em branco para 10. Então, porque o sexo é na verdade uma variável de fator, ele não usa nenhuma. Mas em vez disso, quando vê um valor ausente ou inexistente , cria um fator de nada. Então também teremos que consertar isso. Além disso, quando eu olho para a coluna de idade, eu posso ver que isso foi registrado em meses, idade de protesto, hortelã em meses e o que eu vejo. Nossos números estão bem próximos. Mas então eu tenho um valor máximo aqui em baixo. 1430. Se eu dividisse isso por 12 para descobrir a idade dessa pessoa em anos, eu descobriria que essa pessoa tem mais de 119 anos. É possível que tenhamos amostrado um participante tão antigo, mas é muito improvável. O que é possivelmente mais provável é que porque a idade está próxima do tempo neste conjunto de dados, talvez alguém que registrou este conjunto de dados tenha transposto 14 30 ou 2 30 à tarde e para a idade para participante. Nós também temos 10 valores faltando neste frio Eu também começar a notar que na temperatura corporal, a temperatura corporal participantes e graus Fahrenheit têm um valor muito baixo de 90,8. Perto da temperatura média do corpo humano é de 98,6. Então, atenção de 19,8 significaria isso. Esta pessoa estava em hipotermia provavelmente morta. Também tenho um valor máximo de 118 F. Esta pessoa também estaria morta. Não é possível ter o corpo humano a essas temperaturas, então teremos que corrigir as baixas. Outra coisa que notei sobre a temperatura corporal é que temos 11 Eneias. Então temos ainda mawr valores faltando aqui do que em algumas das outras colunas. Então, vamos consertar isso. Bem, primeiro lugar, vejamos outra maneira de visualizar esses erros. Uma boa maneira de fazer isso é criar um gráfico de caixa. Podemos dizer diagrama de caixa de dados de vida, e eu especificamente quero olhar para a idade porque vimos que havia algo engraçado acontecendo lá com os 1413 meses. Então, para fazer isso porque os dados de vida são um quadro de dados, eu posso usar o cifrão e a idade certa. E isso significa para nós que eu só estou interessado em olhar para a coluna de idade dentro do quadro de dados de vida . Então, quando eu corro em que eu realmente obter um gráfico de caixa básico de todos os dados, e eu posso ver que em 1430 valor é muito maior do que tudo o resto é um mentiroso muito forte fora . Eu poderia fazer o mesmo com a temperatura corporal especificando dados de vida, cifrão, temperatura corporal. Eu posso correr isso e ver que sim, eu tenho a temperatura corporal 118 F, a pessoa que está queimando. Eu também tenho um par de valores que são muito mais baixos, muito mais frios do que o corpo humano deveria ser. Então eu posso ver visualmente esses mentirosos e ver que deve haver um erro lá. Outra coisa que eu posso fazer para visualizar onde todos os valores que faltam são é usada. Isso é ponto em uma função, e quando eu fornecer o dedo do quadro de dados vida é cão, qualquer o que vai fazer é procurar em qualquer lugar que haja um valor faltando, e quando eu correr, Não o que obtemos? Bem, se me permite, alguém é o console. Eu posso ver que ele passou pelo nosso quadro de dados em todos os lugares onde não há em qualquer, ele coloca um valor falso. E em todos os lugares onde não há nenhum, isso coloca a verdade. Então, enquanto procuro dinos, por exemplo, vejo o na linha 24. Existe um valor verdadeiro. Então isso significa que este é um valor ausente na linha 24. Andi, coluna seis. Nós não imprimimos todo o conjunto de dados porque ele foi cortado novamente para preservar o espaço pessoal. Mas o que posso fazer é olhar para a cauda do conjunto de dados. Eu posso dar-lhe dados de vida, e eu posso especificar que eu quero as últimas 35 linhas. Eu quero fazer isso. Eu posso ver isso. Oh, sim, há onde todos os outros e os vales estão aqui onde faltam valores e subiu. Então, da linha 201 a 210 são todos os valores ausentes. Então isso me dá uma maneira muito agradável de ver rapidamente onde estão os problemas. Neste conjunto de dados, outra coisa que eu posso fazer é especificar que eu quero retirar a rosa do meu conjunto de dados onde eu tenho valores ausentes para ver apenas aqueles rosa específica. Não, uma maneira que podemos fazer isso é usar a função Existe alguma outra vez? E colocamos a filha dele em outra função chamada Rose ums. Então eu estou colocando Rose ums, parênteses e é porta qualquer dentro dele. Então Rose Sums está essencialmente indo para resumir os valores fora de qualquer coisa em cada linha. Então ele vai calcular o número fora de Eneas porque isso é o que é não fazer qualquer está fazendo seu retorno. Se há algum lá ou não em Rose Ums vai resumir esses números em cada estrada. Então, eu realmente só quero ver Rose onde seu braço ou Eneias de zero. Eu quero ver Rose onde Aeneas existem, então eu posso colocar em um operador lógico aqui maior do que e eu posso especificar zero. Eu quero a rosa onde o número de Eneias é maior que zero. Então eu posso usar essas funções duplas aqui com o operador lógico para subdefinir ou extrair de dados de vida, e eu faço isso dizendo dados de vida em qualquer colchetes rectos, e nosso aliado foi subdefinir uma nota de quadro de dados dentro colchetes. Temos que especificar a linha na coluna separada por um coma. Então eu vou colocar uma vírgula aqui depois do zero. Então aqui estou eu, contando o número de inimigos que estão em cada linha. Então estou procurando Rose, onde há Maura, Anais que zero onde Eneias existem. Então eu estou dizendo, eu quero cada linha no conjunto de dados de vida onde isso é verdade especificando o coma e então eu deixo a designação da coluna em branco. Não vou colocar nada depois do coma. Então isso vai as pessoas gostarem de todas as regras onde há inimigos nele, vai esfriar cada coluna através dessas rosas. Então vamos ver o que acontece quando executamos isso. Quando corremos que vemos, pegamos a linha 24 e pegamos a estrada 201 até 210. Então isso é senti-lo em qualquer lugar onde temos um valor faltando. Então, na linha 24 temos a maioria dos dados foram coletados, mas a temperatura corporal está faltando uma gravação aqui. Estamos perdendo o recorde de temperatura corporal para o participante número 24. Mas para participante 201 a 210. Estamos brincando. Absolutamente cada Pense fora. Estamos perdendo todos os dados e subiu para um até 210. Então, por favor, junte-se a mim no próximo vídeo onde nós vamos corrigir esses erros estavam indo para se livrar das Eneias. Vamos nos livrar dos valores mentirosos. Vamos substituí-los por valores adequados e corrigir este conjunto de dados. Então, vejo-te depois. 9. Como corrigir erros em um banco de dados: tendo identificado os erros neste conjunto de dados, a próxima coisa que queremos fazer é tentar corrigir esses erros. É uma das maneiras mais fáceis que eu posso me livrar de valores ausentes em um conjunto de dados é usar que qualquer filha conheceu função. Vamos ver o que acontece quando eu cuido de um médico. Amit, você pode ver que ele imprime para o console precisava de um conjunto. Lembre-se de antes que tínhamos um valor faltando fora da temperatura corporal na linha 24. Então, quando usamos qualquer cão omitir não, só ele vai remover que qualquer valor dessa regra. Mas vai remover toda a corda. E isso pode não ser desejável porque era o único valor faltando e escreveu 24. Havia outros pontos de dados de gravação, então não queremos perder necessariamente todos os dados que foram realmente coletados. Ok, novamente, você pode ver aqui que ele vai da estrada 23 para a linha 25 faltando estrada número 24. Então outra maneira que eu posso contornar isso é usar as somas assadas e é pensado quaisquer funções que usamos anteriormente, Então eu vou apenas copiá-los para aqui. O que vemos aqui novamente é que estamos contando o número de Eneias em cada linha. Então podemos retirar apenas as linhas que têm mawr do que zero Eneas do conjunto de dados. Então realmente ouvir o que nós queremos fazer é legal que subiu que tem menos número de Eneias. Portanto, dependendo do que você decidir para o conjunto de dados, você pode determinar quantos valores faltantes deseja nas colunas. Então aqui vamos mudar. Zero 22 e nós vamos mudar é maior do que sinal dedo menos do que isso. Isso vai travesseiro rosa do conjunto de dados onde há menos de dois mal-estar. Então vai educar Rose, onde eles são zero Eneas, onde não há dados faltando e tem uma rosa mais fria onde há apenas um ponto de dados faltando . Então, se eu mudar isso para três, ele iria retirar regras onde há 01 ou dois pontos de dados ausentes. Então é isso que você pode decidir. Quantos pontos de dados faltando ainda está OK, Vamos apenas dizer que queremos apenas um valor ausente, então uma variável na regra pode estar faltando. Então vamos ver o que acontece quando corremos que eu vou fazer o console maior. Vamos sair para ver se a escrita 24 ainda está lá. Sim, é. Nós ainda escrevemos 24 incluídos no conjunto de dados com esse valor faltando para a temperatura corporal . Então agora como eu crio o conjunto de dados com apenas esses valores ausentes? E bem, eu posso simplesmente ir para esta faixa 30 que acabamos de escrever. Posso escrever dados de vida, e posso atribuir a saída dessa linha de código que acabamos de executar. Então, aqui estou selecionando todas as linhas onde há zero para até um valor ausente. Animas assinando todos esses dados aumentaram para a vida. Então eu estou escrevendo sobre o conjunto de dados de vida com apenas a rosa que tem zero ou até um ponto de dados faltando. Então lembre-se que tivemos todas aquelas Eneias na última rosa e subiu para um até 210. Vamos ver o que acontece. Não, quando executamos isso e então fazemos um resumo do nosso novo objeto de dados de vida. O que podemos ver novamente é o nosso resumo estatístico de cada coluna. Eu sei. Vemos, por exemplo, que o tempo, a idade e a morte não têm aqueles 10 e um Zen eles. Então nós nos livramos dessas linhas que tinham várias Eneias. Mas ainda temos o quarto 24 que tem um em um não está aparecendo na temperatura corporal. Então a próxima coisa que queremos fazer é procurar por Rose que tem um valor ausente possamos voltar ao seu código. Sei que podemos ver dados de vida novamente. Podemos usar essa disfunção Rosa e é ponto qualquer e queremos ver valores onde há mais de zero valores ausentes em uma corda. Quando corremos que isso vai esfriar apenas a linha onde eu tenho um valor faltando contra ele puxa para fora estrada 24 o único valor faltando é aquele para a temperatura corporal. Então, como eu retiro apenas esse valor faltando? Só estou interessado no valor que falta para a temperatura corporal. Isso é realmente o que eu quero chegar. E quero substituir por algo. Eu quero consertar isso. Então, uma maneira que eu posso fazer isso é novamente usando é dot qualquer e eu posso especificar dados de vida dólar sã temperatura corporal. Então eu estou puxando nota cada valor da temperatura corporal. E então eu estou usando isso para subdefinir entre colchetes da temperatura do corpo, toda a coluna da temperatura do corpo. Então, novamente, eu estou especificando dados de vida Dollar ST temperatura corporal que esfria apenas aquela coluna para uma temperatura corporal . Posso então usar os colchetes para subdefinir a temperatura do corpo. Então, por exemplo, se eu fizer tempo de corpo de dados de vida, eu só rogo isso. Ele vai me dar todos os 200 valores fora da temperatura corporal, incluindo qualquer valor na Rota 24. Então isso é essencialmente um vetor de números e subconjunto de Aiken, não Victor por um vetor lógico. Então, como se qualquer lembrança está testando para como eles estão em qualquer valor ou não está lá, ele está retornando falso onde não há e verdadeiro se é assim, ele arriscará transformar um valor verdadeiro na Linha 24. Então, se eu rodar esses dois juntos, eu vou estar subdefinindo o vetor fora da temperatura do corpo por True's em falsificações no único lugar onde é verdade não é o valor 24, então é por isso que ele só retornará. E um valor de 24 é um Não. O que posso fazer com isso? Bem, eu posso substituir esse valor com a mediana fora da coluna. Então eu posso dizer que onde esse qualquer é que eu acabei de selecionar. Eu vou atribuir a isso qualquer um eu vou assinar o valor mediano dos dados de vida sinal de dólar, temperatura corporal. Eu vou dizer que eu quero qualquer ponto r m em igual. Verdadeiro. Então aqui estou dizendo que este qualquer valor será substituído pelo valor mediano de todas as medidas de temperatura corporal que registramos no conjunto de dados. E eu vou dizer que qualquer RM é igual a verdadeiro para remover quaisquer valores. Porque se eu executar as estatísticas medianas sobre a temperatura corporal de dados de vida, ele vai retornar um editor porque eles ainda estão em qualquer valor em seu presente. Não, vamos substituir qualquer valor pelo valor mediano. Então vamos ver o que acontece quando corremos que executamos. Não, vamos correr é qualquer outra vez. A primeira parte disso temos um zero numérico. Não há nenhum valor porque substituímos aquele na linha 24 pelo valor mediano fora do conjunto de dados. Então, se eu for para dados de vida Andi, eu especificar que eu quero a 24ª linha. Todas as colunas se lembram dos primeiros valores subiu e coma. Colunas de valores seguintes. Se eu deixar colunas em branco com quaisquer colchetes que retornarão, todos eles no die run que ele me dá escreveu foi para E agora eu vejo que a temperatura do corpo em vez de ser qualquer em vez de falta, foi substituído por 97,4, que é o valor mediano de todas as temperaturas do corpo registradas. Então, ele substituiu o valor ausente aqui por um valor de U. A próxima coisa que queremos tentar fazer como Luke para os mentirosos e temperatura corporal. Então lembre-se, não, só tínhamos um valor faltando, mas também tínhamos alguns que eram irrealistas apenas não fisicamente possíveis. 118 F e perto de 90 graus para aqueles seria realmente muito longe realmente para chamar, que a pessoa estaria em sérios, sérios problemas médicos. Ei teria um grande problema em suas mãos. Então, o que? Nós vamos fazer agora é olhar para esses valores outlier e uma maneira que podemos facilmente acessar folhetos como dizendo, plotagem caixa de blocos, estatísticas de pontos E nós vamos dar a ele os dados de vida em especificar a temperatura corporal. Então isso vai ser executado na caixa de tiros bloqueados que é função apenas em nossa coluna de fita corporal . Então vamos ver o que acontece quando corremos que ele nos dá várias coisas. Ele nos dá estatísticas que nos dá, e para este tamanho amostral nos dá confiança. E isso nos dá algo chamado esses panfletos aéreos. No conjunto de dados, temos um 91,41 18 e 19,8 em um 11 Então essas medições de ar provavelmente irrealistas para a temperatura da pessoa. Estes são erros. Havia algo errado com o termômetro ou a pessoa usando. Não foi devidamente treinado, por isso queremos livrar-nos deles. Queremos substituí-los por valores realistas MAWR. Então, uma maneira que podemos fazer isso voltou para sua caixa plotagem pontos estatísticas sobre. Podemos especificar a partir dele usando o dólar voto sã para que possamos acessar que os valores de voto os quatro valores no telefone eram outliers estatísticos aqui usando o dólar visto na saída de uma função direita. Então, usamos sinais de dólar para acessar colunas e um quadro de dados, mas também podemos usar o sinal de cifrão para acessar atributos ou saída ou valores de dentro de uma função. Então, quando fazemos apenas essa linha de código, obtemos apenas esses quatro valores que caixa plotar estatísticas de pontos identificados como se jogadores. Então a próxima coisa que podemos fazer com isso é que podemos atribuí-los a aveia variável. Eles são os jogadores que podemos comandar isso. Então nada de Oates, teremos aparecido. E nosso ambiente nós temos outs que diz que é em vitorioso numérico é os números de todos eles. 18 91 1 Não, podemos substituir esses valores com a mediana da temperatura corporal, assim como fizemos com o valor que faltava. Então o que queremos fazer é acessar dados de vida Onda. Queremos acessar, em particular, qualquer temperatura corporal. Então vamos colocar dados de vida dólar dizendo temperatura corporal e, em seguida, vamos usar colchetes para subdefinir a partir de apenas a coluna de temperatura corporal de dados de vida. Nós vamos dizer onde todos os dados da vida estão dizendo, Body Tim está em nossos votos vetor eso Nós queremos extrair qualquer valor que é um daqueles quatro que foi identificado como um mentiroso fora. Então nós podemos fazer isso e estamos fazendo porcentagem e porcentagem out. Isso é o que isso está fazendo é dizer que qualquer valor da temperatura corporal que é com N os quatro valores e saídas como parte fora de Enter vai ser extraído da temperatura corporal . Então estamos subdefinidos aqui de novo. Vamos ver o que acontece quando executamos isto. Então diz que temos esses quatro valores porque estamos retirando os valores da temperatura corporal lá no vetor mentiroso. Então nós temos os mesmos quatro valores que temos em outs, e agora vamos atribuir sobre aqueles que vamos escrever no Top Waltham. O valor mediano para o sinal de dólar de dados de vida, temperatura do corpo. Vamos usar isso qualquer ponto nosso argumento de novo só para ter certeza de que não estamos sendo confusos por nenhum valor faltando. Então vamos fazer isso, eu sei. Vamos fazer um resumo dos dados de vida mais uma vez só para ver o quanto consertamos. Então vamos fazer o console maior e vamos olhar para este resumo. Então estamos trabalhando na temperatura corporal. Então agora vemos que o mínimo para o corpo Champions 94 que é mais aceitável. Vemos que o máximo é 100,3, e isso é provavelmente essa pessoa é um pouco quente, mas isso ainda está dentro dos ossos da realidade em diante, nós também não vemos nenhum valor faltando. Então este conjunto de dados é apenas um barco fixo. Não temos mais nenhum valor faltando. Onda. Nós também fixamos que valores irrealistas, esses valores irrealistas, fora da temperatura corporal. Então, da próxima vez que queremos fazer é consertar aquela pessoa realmente irrealista de 119 anos com os 1430 meses fora de sua idade gravados. Então o que podemos fazer para corrigir isso é, digamos, dados de vida cifrão idade. Vamos usar os colchetes para subdefinir dados de vida, dólar dizendo idade. Então, estamos vendo resultados de dados de vida em que dados de vida são iguais a 1430. Então temos que usar O sinal de igual duplo é um operador lógico e nosso se eu usar um único sinal de igual. Nós sabemos disso como um operador de atribuição. Então nós queremos avaliar aqui se eles são iguais ou não. Então estamos usando o sinal duplo de igual. Então, estamos retirando da idade dos dados de vida onde a idade dos dados da vida é igual a 1430. Se executarmos apenas isso, obtemos 1430 porque é onde 1430 equivale a 1430. Nós vamos atribuir, além disso, a mediana de dados de vida cifrão idade, e nós vamos usar o qualquer. Não remova o argumento novamente apenas para ter certeza de que não temos quaisquer valores ausentes que estão afetando um cálculo dessa mídia. Então estamos substituindo os 1430 dentro da idade mediana. Então, a idade média correr que o seu rápido é 307 e 1/2 meses. Então estamos substituindo esse valor de 1000 ex e 30 por três e 7.5, então podemos fazer isso em Vamos apenas verificar o resumo dos dados de vida novamente. Vamos ver a idade. Idade não é dizer que os mínimos 216 o máximo é 811. Então nós nos livramos do valor não 1430 e o substituímos pelo valor mediano da idade. A última coisa com que temos um problema aqui é comprar para aquela coluna de seis. Temos machos e fêmeas 100 de cada, mas depois temos este vazio e temos zero deles. Então é aí que tínhamos valores que faltavam valores no sexo em uma chamada de tributo. Então nós realmente queremos nos livrar desses valores que faltam, mas eles não são reconhecidos como nenhum porque é uma variável de fator. Então temos que fazer algo um pouco diferente aqui para consertar isso. O que temos que fazer é dizer,níveis de queda, níveis de queda, e isso vai procurar variáveis de fator com n dados de vida, o primeiro argumento e o segundo argumento e níveis de queda como o que você está indo para desenhar como um nível e o fator. Então, se especificarmos M ou F aqui para nos livrarmos de cada macho ou de cada fêmea, e não variáveis fatoriais, mas o que queremos nos livrar é então perder os valores que temos. Zero detido. Então estamos dizendo excluir igual a nada entre aspas, sem espaço, apenas nada entre essas aspas. Então não, podemos Assane isso para dados de vida e que removerá essa variável de fator vazio do nosso seis frio. Sei que podemos fazer um resumo dos dados de vida uma última vez. Eu sei que podemos ver que a coluna de sexo só tem objetivos para machos s para fêmeas e nenhum valor vazio são níveis de fatores vazios lá. Então nós limpamos completamente este conjunto de dados. Nós nos livramos dos valores que faltam. Substituímos valores ausentes por valores mais realistas do que valores medianos. Nós também identificamos compradores no conjunto de dados nossos valores erroneamente altos e fisicamente impossíveis e nós os substituímos por valores medianos e também removemos uma variável de fator vazia. Então, junte-se a mim no próximo vídeo onde vamos começar a olhar para as variáveis neste conjunto de dados, fazendo alguns gráficos e realizando algumas análises muito básicas. Então eu vou te pegar no próximo 10. Explorando um conjunto de dados (histograms, , placas boxes (estatística descritiva): Olá e bem-vindo de volta neste vídeo, vamos fazer alguns gráficos básicos e executar algumas estatísticas de amostra sobre as variáveis contínuas . Neste conjunto de dados, você vai lembrar que existem variáveis contínuas como idade, a medida da diferença. E então há variáveis categóricas, como sexo na educação neste conjunto de dados. Mas antes de tudo, vamos explorar as variáveis contínuas. A primeira coisa que eu fiz foi criar uma caixa com um comentário dentro dela, dizendo que é aqui que estamos explorando essas variáveis contínuas. Então isso é apenas visualmente separa esta seção do cabo da seção anterior onde estávamos corrigindo o conjunto de dados. E a primeira coisa que vou fazer é mudar o dispositivo gráfico. Então, a última vez que fizemos um gráfico de caixa como este no fundo, direito, você viu que, também, pegou toda a janela de plotagem e lembre-se que podemos exportá-lo a partir daqui usando salvar sua imagem ou salvar como pdf. Mas digamos que eu queira criar duas parcelas. Quero que fiquem um ao lado do outro. Quero ver os dois ao mesmo tempo. O que eu posso fazer é usar a função par e eu posso especificar o argumento MF Row e eu vou dizer que é igual. Ver um coma, também. Então eu estou inventando em comer juntos aqui. Um coma para um especifica que eu quero uma regra, e os dois especifica que eu quero colunas. Então, essencialmente, isso vai dividir, estão plotando janela para baixo no meio, e ele vai me permitir traçar um lote primeiro no lado esquerdo, e então o segundo gráfico irá para o lado direito. Então nós executamos isso. Essencialmente, não vemos que tenha feito nada, mas dividiu essa janela para nós. A próxima coisa que eu quero fazer é que eu vou criar um esta graham fora dessa variável dependente , que é a medida da diferença. Se você se lembrar da introdução a este conjunto de dados, você vai lembrar que uma medida de diferença é negativa quando o participante pensa que eles são mais jovens do que eles realmente são em seu positivo quando a moeda de protesto pensa que eles são mais velhos do que realmente são. Então vamos fazer um hist um grama usando a função de teste, e nós especificamos para que os dados de vida Stoller, mesmo diff para a medida diferença ou variável dependente. Vamos rotular o eixo X ao longo desta história, Graham, usando o cordeiro X, light ou X. Nós vamos rotular o eixo X com a medida de diferença de texto onde isso tem que estar entre aspas porque é linguagem humana, então eles não vão lê-lo. Vamos dizer que o título principal deste enredo e o argumento principal é igual a qualquer um. Vou explicar por que isso é. Mais tarde, vamos dar às barras de Hester Graham oito cores, ambas azuis celeste, então você pode especificar cores como strings de texto. Deixe-me abrir este documento que mostra as cores Andi. Como são reconhece-los como anel de texto para que você possa especificar algumas cores muito específicas usando nomes muito específicos para essas cores em nossa vontade. Reconheça-os. Eu encorajo você brincar com isso e tentar nomes diferentes de nossas cores. Você pode encontrar uma descrição da zona deitada. Isto é ah, pdf com as cores diferentes em seus nomes. Só vou usar o azul celeste porque é uma cor bonita para “Vamos correr isto “primeiro. Hester Graham. Lá vamos nós e a história que Graham apareceu à esquerda no local desta trama em vez ser centrado e ocupar toda a janela de conspiração. A próxima coisa que eu gosto de fazer é adicionar uma representação fora da densidade ao longo do eixo X desta história, Graham. E para fazer isso, vou usar a função do tapete. Vou fornecer dados de vida dizendo morte. Ver o que acontece quando corremos, não ficar assistindo a grama para ver o que acontece. Você verá que todos esses pequenos traços apareceram ao longo do eixo X. Então eu acho que é apenas mais uma indicação visual de onde os dados estão em nosso conjunto de dados, bem como ter as próprias barras no mais alto um grama para me levar até este enredo um pouco. A última coisa que eu gostaria de fazer é criar uma caixa delimitadora em torno dele, usando a função box, esta caixa abre e fechou parênteses, e isso cria uma boa caixa delimitadora em torno do meu enredo organiza um pouco, faz parecer um pouco mais profissional e polido. A próxima coisa que vou fazer é criar um gráfico de caixa que aparecerá no lado direito . Então eu vou dizer caixa de enredo. Eu vou dar-lhe vida Data Dollar visto def e, em seguida, vai especificar um rótulo Y para o eixo Y do gráfico de caixa como medida diferença em. Então eu vou dizer novamente, Main é igual a qualquer um. Eu não estou dando um título principal ainda, e eu também vou dizer cor igual a Skyy Blue para mantê-lo consistente com o enredo anterior . Vamos adicionar o gráfico de caixa. Lá vai você. Temos um bom gráfico de caixa na segunda posição de plotagem. A segunda coluna desta janela de plotagem. Agora eu vou realmente restaurar o dispositivo gráfico de volta para uma única janela de plotagem, e para fazer isso, eu uso a função de parte que usamos acima. Mas eu vou remover o para e poderia um lá. Então eu estou de volta a ser uma regra uma coluna ou uma única janela de plotagem. Verá que isso não fez nada aos nossos planos. Ele não altera o que já está plotado. Ele só vai agir sobre o que ainda temos que planejar. Não, eu posso adicionar um título ao comentário do enredo para mim mesmo aqui que eu estou adicionando um título. Eu poderia fazer isso usando a função de título e eu posso especificar principal igual fabricante de diferença. Vamos ver o que acontece quando eu faço isso. Não, eu recebo uma tabela principal de medida de diferença centrada acima de ambas as parcelas. Se eu não tivesse especificado, Main é igual a qualquer aqui em cada uma dessas parcelas que eu fiz. Se eu tivesse dado a eles uma tabela, então eles teriam títulos individuais acima centrados acima de cada trama. Então, usando parte nesta semana, nenhum Onley Aloes deve traçar parcelas separadas na mesma página. Mas também Aloes é adicionar títulos abrangentes acima de vários gráficos. Se definir plotagem dispositivo gráfico de volta para um único, muito vê uma linha duas colunas. Então essa é uma maneira legal que você pode fazer suas parcelas muito mais profissionais de aparência. A próxima coisa que eu gostaria de fazer é criar um novo quadro de dados nele. Nós vamos armazenar estatísticas resumidas, então eu vou chamar este novo dado enquadrado Se e eu vou dizer que def é um dado não enquadrar, e dentro dessa função eu posso começar a criar um quadro de dados em especificar diferentes colunas de dados. Então a primeira coluna que eu vou rotular N para o tamanho amostral e eu vou dizer que é igual ao tempo de dados de vida dólar visto morte. Vamos ver o que acontece quando executamos o dólar da Life Data. Dizer morte que retorna 200 terras para é uma função que calcula quanto tempo um vetor tem. Então conta quantas linhas ele tem. Isso está dizendo que dólares de dados de vida e se é 200 participantes longo, modo que é como sabemos que é. Podemos então criar outro atributo chamado Homens. E vamos dizer que os homens são iguais à função masculina aplicada a vida, dólar de dados, mesma diferença. Quando corro, os homens funcionam sozinhos. Eu recebo um valor mínimo no conjunto de dados. Não vou assinar para homens. Vou calcular um número destas estatísticas resumidas. Então eu vou copiar e colar algo que eu preparei antes para que você veja que nós temos terra de Nós temos homens. Temos também variância mediana média máxima e desvio padrão. Então eu estou usando a funcionalidade embutida dentro de nosso para calcular cada uma dessas medidas estatísticas em Nana Miss assinando para um nome de variável dentro deste novo quadro de dados que estamos criando. Vamos ver o que acontece quando eu comando isto. Ele cria um novo quadro de dados, então você verá e nosso ambiente aqui em cima temos um novo quadro de dados chamado Morte é uma observação fora, sete variáveis. Então, se olharmos para a morte, vemos que temos e 200. Temos um mínimo de máximo, uma variância mediana média e desvio padrão. Então nós criamos essencialmente uma coluna de sete e uma linha de dados definir esses diferentes valores estatísticos. No próximo vídeo, vou testar suas novas habilidades de codificação telefônica pedindo que você crie gramas e gráficos de caixa sibilados , bem como resumos estatísticos para um diferente fora das variáveis neste conjunto de dados. Então, vejo-te depois. 11. Desafio #1 - crie uma gráficos e o resumo estatística de uma variável: Olá. Neste vídeo, estou definindo seu primeiro desafio. Quero testar suas habilidades de codificação um pouco mais. Eu quero que você crie um hist, um grama, um gráfico de caixa Onda, resumo estatístico para a variável independente de idade em nosso quadro de dados de vida. E para dar uma dica para isso, isso deve ser realmente semelhante ao código acima que fizemos para a variável. Então, essencialmente, eu quero que você faça exatamente a mesma coisa, mas para a variável idade. Então vá em frente e pause esta nota de vídeo. Tente trabalhar nisso. E se você ficar preso, volte a esse valor porque eu não vou mostrar a solução para este desafio. Boa sorte. Então agora você está de volta neste vídeo e eu quero te mostrar como fazer isso. Então, a maneira mais fácil de fazer isso é realmente voltar nosso código interno, e nós vamos continuar e copiar tudo, desde a posição 47 até a pista 66. Vamos colá-lo por baixo. Nosso desafio em essencialmente tudo aqui é muito semelhante. Exceto que temos que mudar a diferença. Variável para a variável idade. Então o primeiro lugar que vejo a variável diferença aqui é na história. Graham, eu quero mudar o dólar dos dados de vida dizendo morte para dados de vida cifrão idade que eu posso e mudar meu texto aqui. Não vou mais planejar a medida da diferença. Em vez disso, estou planejando idade e posso adicionar algo para torná-lo um pouco mais descritivo. Vendo em meses para evitar confusão, vou deixar o resto disso. A mesma pessoa está implodindo. Algo diferente aqui. Vamos mudar a cor. Digamos que vai ser alguém que é a cor ou Onda. Nós também vamos mudar o tapete por baixo da trama, a densidade para envelhecer em vez de surdos. Eles iam fazer o mesmo aqui no box plot. Temos que mudar a morte para a idade. Nós vamos mudar o rótulo do eixo Y para idade em um de alguns vai copiar essa coisa de cima. Eu vou mudar a cor também para salmão e então eu vou dar a estes um título fora idade participante em vez de medir a diferença. Então este é o título abrangente para ambas as parcelas. Eu vou dizer idade participante. A próxima coisa que eu vou fazer é mudar este quadro de dados Def dois idade oito Efraim e substituir as estatísticas resumidas sobre a medida diferença com a da variável idade dentro deste quadro de dados. Então vou mudar a morte para a idade. E então eu vou passar e mudar em todos os lugares onde os dados da morte são referenciados à idade. Então eu vou apenas ir em frente em copiar isso e mudar cada um desses. Você tem que ter cuidado quando está fazendo isso. Não, para passear em seu próprio lugar ou dois. Remova qualquer um dos parênteses, então quase terminei substituindo cada uma dessas mortes pela variável idade. Então vamos em frente e executar isso e você verá que agora nós temos um juiz e nosso ambiente . Onda podemos olhar para o que é, é e homens, média máxima variância mediana e desvio padrão. Então temos ah valor estatístico para cada uma dessas medidas em uma observação para sete variáveis, Essencialmente. Então são sete colunas de uma regra em cada um desses nomes de variáveis que criamos dentro dela. Então lá vai você. Esse é o desafio de ir para a completude. Espero que consiga isso sem olhar para esta solução. Mas se não o fez, não se preocupe com isso. Ainda é muito cedo. Vamos continuar escrevendo um código mais emocionante para tentar melhorar a sua compreensão do nosso sobre aprender coisas realmente legais. Por isso, apanho-te na próxima. 12. Exportando conspirações e resumos estatísticos: Olá E este vídeo, Eu gostaria de mostrar-lhe como configurar um armazenamento de poot para resumos estatísticos para qualquer coisa impressa para o console e também para um opiáceo gráfico como parcelas. Então, para fazer isso, vamos criar um arquivo de texto PDF Onda para o qual estamos afundando ou colocando tudo o que estamos fazendo em nosso ambiente. Então deixe-me criar um co significava aqui no início do nosso cordão variável contínua que escrevemos nos vídeos anteriores e, em seguida, apenas dizê-lo aqui. Vamos configurar figuras colocando em um pdf em tabular ou estatístico em alimentos para um arquivo de texto . E eu vou estar usando caminhos de arquivos e diretórios aqui. Então você tem que se certificar de que você está indo para alterá-los para o que é apropriado em sua máquina porque nós não compartilhamos os mesmos caminhos de arquivo. Então, a primeira função que vamos usar como pdf no argumento que eu vou usar como arquivo e eu vou especificar um caminho de arquivo No. E Mac, é isso que estou usando. Posso ir à janela do meu localizador e posso ir à minha pasta de saída da Seção 1 e à minha pasta da turma “Você tinha Amy”. Não, em um Mac quando eu clicar com o botão direito em Oh, colocar, Eu recebo uma opção de cópia para copiar essa pasta, mas se eu segurar a opção você vai ver que eu tenho uma opção de cópia diferente. Eu posso copiar Oh, colocar como nome do caminho enquanto eu estou mantendo pressionado o botão de opção no teclado. Então é isso que eu quero fazer. Eu quero clicar com o botão esquerdo enquanto mantém pressionado o botão de opção e copiar Okkert como seu nome de caminho . Você verá quando eu copiar isso de volta para o script R, eu tenho meu caminho de arquivo com a barra que ela está virada para a frente. A próxima coisa que eu tenho que fazer como colocar aspas em torno disso, e então, finalmente, e a pasta de saída, eu tenho que ter outra barra e criar meu nome de arquivo, que eu vou chamar de milho vars dot pdf. Porque nesta seção do cabo, estamos olhando para variáveis contínuas, e tem que ser um pdf ponto. A próxima coisa que eu vou fazer é criar um dissipador para texto e para coisas impressas no console. Então eu vou dizer função de pia, e eu vou especificar este mesmo caminho de arquivo. Então eu vou apenas copiar tudo dentro das citações. Eu não tenho que dizer arquivo igual a e a função ST. Eu só especifico o caminho do arquivo. Agora eu tenho que mudar o arquivo que ele está indo para conv nosso dot txt porque a função sink vai tudo ok para um arquivo de texto. Nem pdf Não, Se você estiver no Windows, isso será um pouco diferente para você. Então eu vou deixar um comentário para você para ajudá-lo a descobrir como chegar o seu caminho aqui . Então, se você estiver usando o Windows, você deve copiar o caminho do arquivo da barra de endereços do Windows Explorer ou você precisa manter pressionada a tecla shift e clicar com o botão direito na pasta. Então espere, Shefki e clique com o botão direito na pasta. Não, isso só é aplicável em máquinas Windows. E quando fizer isso, terá algo assim. Então, se meu computador fosse uma máquina Windows, eu teria algo como ver o Dr. Coloane. Então eu iria obter barras de volta através de minhas pastas através de meus diretórios para essa pasta de saída na seção um da pasta de danos você e novamente que será diferente dependendo de onde você criou essas pastas em seu próprio computador. Mas há um problema com isso porque você percebe que a barra do alivia suas barras traseiras e são só vai reconhecer barras para frente. Então você tem que passar e alterar manualmente estes para barras, anotar barras invertidas , ou você pode fazer uma barra invertida dupla e nós reconheceremos isso, então de qualquer maneira, você tem que fazer uma dessas coisas. Um possível trabalhador nisto. Se você estiver no Windows, se você não quiser alterar manualmente todas essas barras para atribuir algo ao caminho chamado disponível, vamos usar a área de transferência de leitura. Esta é uma função, e nosso se você estiver usando apenas janelas que irá ler o que você copiou para a área de transferência. Então, você ainda foi ao seu Windows Explorer para a barra de endereços e copiou o endereço para algo parecido com isso que virá com a barra invertida que ela é. Mas quando você executar esta função de área de transferência de leitura, ele irá chamar P de não área de transferência, e ele irá automaticamente convertê-lo em porta. Are é capaz de ler. Então, dentro do caminho, você realmente terá armazenado algo que se parece com isso. Por isso, converteu-o na antiga leitura Arkan. Então essa é apenas uma maneira de contornar isso. E o Windows A permite que você jogue com isso e decida por si mesmo com qual prefere trabalhar ? Não. A próxima coisa que eu quero adicionar ao código é imprimir certas medidas estatísticas . Então lembre-se anteriormente nós criamos este quadro de dados de morte que tinha os resumos estatísticos , como homens de tamanho amostral , mediana média máxima, etc. Então nós vamos adicionar depois dessa pista essas faixas de poderia vamos deixar um comentário que diz, quando uma impressão não quadro de dados arredondado para três dígitos, eu vou usar a impressão de função, e eu vou colocar em citações duplas de morte. Isso só vai imprimir surdos como linguagem humana para que eu saiba o que é. E então eu vou dizer imprimir novamente. Eu vou imprimir o quadro de dados de morte que criamos acima, e eu vou fazer coma Digits iguais a três que vai vagar esse quadro de dados e os dados dentro dele para três dígitos para que eu tê-lo agradável e aparado não. A próxima coisa que queremos fazer é que queremos descer e fazer o mesmo para a variável idade que completamos é parte deste desafio seções. Então, depois de criarmos o quadro de dados de idade, vamos fazer o mesmo Nós vamos imprimir citações de agentes e vamos imprimir o quadro de dados de idade arredondado para três dígitos nas últimas coisas que temos que fazer é parar afundando. Nós apenas dizemos afundar e fechar parênteses. Nós também temos que desligar o dispositivo gráfico usando dev dot off abrir e fechar parênteses em Quando executamos ambas as funções, ele vai parar Oh, colocando para a folha de texto. Vai parar de colocar no pdf, e vai salvá-los para que possamos abri-los até corrermos. Sink e dev dot off Ele não fechará esses arquivos em. Não seremos capazes de ir e olhar para eles. E então as últimas coisas que iam fazer nós vamos remover a idade e vamos remover a morte usando o R e a função. Isso remove ambas as variáveis do nosso ambiente para que não nos confundamos com elas mais tarde. Saiba que temos que colocá-los em um arquivo de texto. Não precisamos mais dessas variáveis e do nosso ambiente. Então vamos em frente e executar esta seção inteira do código mais uma vez. Eu só vou ligar para essas janelas que eu mostrei para você. Então, vamos correr da mentira 47 até o final aqui, e você verá que no ambiente sabemos que só temos nosso quadro de dados de vida com o qual começamos , e também temos que exclui o valor de corrigir os dados. Digamos que removemos a idade e removemos se você também notar que nada foi traçado aqui . Isso ocorre porque os gráficos, quando você tem um PDF em execução, você está enviando os gráficos diretamente para esse documento. Eles não aparecerão na janela do enredo em nosso estúdio. Então vamos para a nossa pasta, uma pasta para a qual enviamos essas coisas, e vemos que temos uma parada de fogo de milho. PDF e temos con viers sobre txt. Vamos olhar para o vírus con dot txt primeiro, e você verá que nós temos morte e, em seguida, nossas estatísticas de amostra fora média homens e máximo etcetera para medir a diferença. Nós também envelhecemos impresso e, em seguida, as estatísticas de resumo para ele. Então esta é uma ótima maneira de armazenar a saída estatística para que você sempre possa voltar e abri-lo. Não é se perder no console que você imprimiu também. Você vai tê-lo lá para que você possa voltar e fazer mais análises sobre ele mais tarde. Se olharmos nos potes de milho pdf O que vemos? Bem, vemos que nossa diferença mede o Hester Graham e o gráfico de caixa que criamos anteriormente . E também temos uma idade participante assobiou um grama na caixa de enredo que completamente anteriormente. E isso é em um documento pdf de duas páginas que podemos abrir oferta que podemos exportar para qualquer coisa que possamos usar e publicações ou análises adicionais. Então, aí está. É assim que você sabe poot saída gráfica na saída estatística. Duas pastas na sua máquina. Junte-se a mim no próximo vídeo onde vamos explorar as variáveis categóricas no conjunto de dados. Eu te verei então 13. Explorando variáveis categoriais (de bar de chapas, proporções, placas multipartes: Olá E bem-vindo de volta neste vídeo, vamos explorar as variáveis categóricas dentro do conjunto de dados e executar algumas estatísticas de amostra muito básicas porque suas variáveis categóricas foram basicamente apenas olhar para fora a proporção que são nos diferentes níveis dentro de cada variável categórica. Então a primeira coisa que eu gostaria de fazer é realmente olhar para uma mesa. Vamos realizar contagens de cada variável de fator em cada nível dentro dela. Então, por exemplo, eu posso executar a função de tabela em dados de vida Dollar são seis. Agora, você deve se lembrar que a variável sexo é M para masculino e F para feminino. Nisso, temos 100 de desconto em cada um. Posso verificar brevemente isso novamente usando a função str ou estrutura. Eu só vou rodar isso no console e eu posso executar isso em dados de vida. E quando eu fizer isso, você verá que obtemos o resumo exatamente como fizemos no menu suspenso no ambiente. E vemos que o sexo é realmente um fator. Variável com dois níveis f em. Então vamos olhar mais em dívida para o sexo suportável usando a função de mesa quando estamos na mesa. Vemos que temos 100 EFS para o sexo feminino e 100am para o sexo masculino. Podemos executar a função de tabela em outras variáveis categóricas. Por exemplo, podemos dizer a vida da tabela, dólar de dados dizendo casamento. Este é o estado civil sobre os participantes. O que vemos aqui é que são todos zeros e uns. Temos 132 zeros, pessoas que não somos casados e 68 pessoas que são casadas para que você possa ir em frente e brincar com a função de mesa em todas as outras variáveis categóricas. Mas a próxima coisa que vamos fazer enquanto vamos configurar um dispositivo gráfico que Carlos é abrir vários parcelas para esta mesma janela, como fizemos anteriormente. E vamos montar um dispositivo gráfico aqui onde temos que subir e três colunas e nossa janela de saída. Então, para fazer isso novamente, usamos par e o argumento MF Row vamos especificar que eles podem Katyn oito função, e desta vez vamos escolher para mais calma três, significando subir por três colunas em. Vamos rodar isso para que nosso dispositivo gráfico fique preparado para ter seis parcelas nele. Vamos ter um papel de três e uma proporção do enredo, e então podemos ter outra fileira de três abaixo disso. Então, as primeiras parcelas que iam fazer para o nosso latido parece. Então vamos criar gráficos de barras fora da proporção de sujeitos e cada fator de cada variável categórica. E para fazer isso, vamos dizer gráfico de barras estavam usando a função de relógio de barra. E em vez do primeiro argumento sendo os dados que queremos fazer inserir gráfico de barras, vamos realmente especificar a função de tabela em. Vamos dizer vida na mesa, dólar de dados dizendo sexo. Então sabemos que de cima isso retorna 100 machos e 100 fêmeas. Mas agora o que vamos fazer é dividir isso pela duração do dólar dos dados da vida dizendo sexo. Lembre-se, a função terra retorna o comprimento de uma coluna ou um conjunto de dados. Então aqui estamos tendo um calcular o comprimento do sexo, que é 200 participantes em. Estamos dividindo a mesa de 100 fêmeas e 100 refeições por esse comprimento de 200. Então, tanto as 100 fêmeas quanto as 100 refeições, ambos serão divididos por 200. Então vamos especificar a cor. Eu só vou usar o céu azul novamente, mas sinta-se livre para brincar com essas cores onde quer que você goste. Eu também vou especificar por que membro por que Lim é um argumento que restringe o acesso por que a um intervalo definido ou um limite definido. E porque estamos calculando proporções aqui. Eu quero que o eixo Y seja limitado entre origem zero e um porque se são rotulados o eixo y 1.1 ou 1.2, então não faria qualquer sentido porque você não pode ter sua proporção que é maior do uma vez. Quero ter certeza de que o nosso está se comportando lá. A próxima coisa que eu quero adicionar a esta função é no rótulo X para sexo, e eu quero ter um rótulo Y para proporção. E então eu vou dizer que o título principal deste enredo é sexo fora participantes. Eu vou então especificar que os nomes usados para nomear as barras e este enredo vai ser refeição Andi feminino em vez de apenas usar AM. E se lá vamos nós, vamos fazer isso. Você pode ver que nós temos um pequeno lote de bar na primeira venda de nossos dois por três matriz. Vamos dizer-lhe isso um pouco adicionando um limite de caixa como fizemos antes. Torna-o um pouco mais limpo. Eu sei que você pode continuar fazendo a mesma coisa com outras variáveis categóricas, então eu vou apenas copiar o código. O mesmo está acima, mas vou mudar de sexo para o casamento. Variável categórica em. Então eu vou mudar o rótulo X para casado em Leave Proporção como ele é, e então vai dizer que o título principal do enredo como estado civil em dez centavos vai mudar os nomes das barras para saber não casado Andi. Sim, somos casados. Vamos tentar executar isso. Lá vai você. Estamos recebendo belos lotes de bar. Eles estão mostrando proporção fora das variáveis categóricas em cada nível fora da variável categórica . Então, se nós temos machos, fêmeas ou se nós nos casamos sim ou não e assim você pode continuar a fazer isso para as outras variáveis categóricas, e eles continuarão a preencher nessa janela de plotagem. Lembre-se de que quando terminar a plotagem, você deve sempre restaurar o dispositivo gráfico de volta para uma única configuração de plotagem. Só para não ter surpresas repentinas quando vier traçar seu próximo item. E então eu vou pegar vocês no próximo vídeo onde nós realmente vamos começar a obter inferencial com para estatísticas em seu início para fazer perguntas mais específicas usando testes estatísticos como testes T em Nova. Vamos começar realmente a esquisitar este conjunto de dados. Então, vejo-te no próximo vídeo. 14. Trabalhando com tipos de dados (vetores, fatores, quadros de dados): Olá. Neste vídeo, vamos nos preparar para realizar análises estatísticas adicionais que nos permitirão responder perguntas inferenciais sobre seu conjunto de dados. Então eu criei uma nova caixa de comentários aqui que vai separar esta parte do código e explicar o que estamos fazendo em Primeiro de tudo, vamos analisar variáveis categóricas antes de fazer isso. É muito benéfico se primeiro anexarmos as variáveis dos dados de vida. Então os nomes das colunas e dados de vida é o que vamos anexar ao nosso ambiente. Então vamos ver o que é isso. Vamos usar a função de anexar. Só estou a fornecer-lhe dados de vida. Então, estamos fornecendo anexar com dados de vida, que é o nosso quadro de dados que tem nomes de colunas dentro dele. E quando executarmos isso, você verá que ele anexou os seguintes nomes de variáveis. Então, não, nós podemos realmente usar esses nomes de variáveis diretamente sem ter que referenciar os dados de vida em nosso ambiente. Então, por exemplo, nós costumávamos obter um resumo que usávamos para ter dados de vida de sinal de dólar idade, por exemplo, em que nos daria um resumo estatístico da variável idade dentro dos dados de vida. Mas agora nós o anexamos. Podemos nos livrar do dólar dizendo que também podemos nos livrar dos dados da vida e simplesmente dizer idade. E eu vou reconhecer o que estamos falando para que possamos fazer isso e obter um resumo estatístico da velhice saber que temos anexado essas variáveis. Nós também queremos arrumar nossas variáveis fatoriais ou categóricas um pouco e dar-lhes níveis dentro de sua estrutura categórica, nomes que são mais descritivos. Então, por exemplo, no sexo, tudo o que temos no momento é “sou “masculino “ou “F “para “feminino”. Nós realmente queremos chamá-los de comida e fêmea. Então o que vamos fazer é dizer sexo. Podemos referir-nos a que não diretamente porque temos anexado ao nosso ambiente e podemos dizer sexo função fator. E podemos dizer rótulos iguais para ver parênteses, feminino e masculino. O que estamos fazendo dentro dessa função de fator é que estamos dizendo que a variável sexo muda seus rótulos mudam. Isso é níveis dentro da variável categórica de sexo para sexo feminino e masculino, ou transformar FFT, feminino e AM e dois homens em sobrescrever a variável sexo. Então, onde estão assinando em cima da variável sexo. Então vamos ver o que acontece quando executamos isso. Não, Se eu fizer um resumo sobre pedra sexual aqui e o console ver, Eu fico em vez de f n m fêmea e macho. Então eu fui em frente. Estou preparado para transformar nossas variáveis categóricas e mais dois rótulos descritivos. Então aqui está algo que eu preparei anteriormente. Nós temos casamento. Estamos mudando os rótulos de zeros e uns, também. Não casado e casado. Estamos mudando o trabalho. Variável de zeros e uns para desempregados, variável familiar desempregada só tem a ver com se o participante sente que tinha um monte de família ao seu redor para apoiá-los. Então, se eles não têm família ou eles têm família e, em seguida, o nível de escolaridade participante, Se é hs para o ensino médio, você pegou para o subterrâneo ou pós-graduação. Você também vai notar aqui que eu estou usando um sinal de igual para reatribuir essas variáveis e você pode usar um sinal de igual ou o operador de seta que temos usado anteriormente para fazer atribuições, mas eu prefiro usar o operador de seta. Igual a mim, seria muito fácil confundir com um operador matemático, então prefiro usar o sinal do IRA, mas você pode usar iguais se quiser. Então vamos em frente e executar essas outras variáveis. Estamos mudando para algo muito mais descritivo. Você pode ver aqui que eles estão aparecendo em nosso ambiente. A próxima coisa que queremos fazer é criar quadros de dados para a variável dependente em para as variáveis independentes categóricas. Então a variável dependente é o que estamos interessados, e é a variável de resposta a medida da diferença. Queremos determinar ou prever qual é a medida da diferença e os participantes com base em todas as outras variáveis que coletamos. E nós também vamos usarvariáveis categóricas e independentes, variáveis categóricas e independentes, que são as variáveis preditoras que estavam tentando proteger a variável dependente. E é isso que vamos ver aqui. Mas antes de tudo, queremos criar um quadro de dados para a variável dependente. Vamos dizer que a variável dependente está vindo de surdos novamente. Nós anexamos isso para que você possa se referir a ele sem o quadro de dados de vida. Nós também vamos dizer que estamos fazendo um quadro de dados de vida gato adulto para variáveis categóricas e vamos dizer quadro de dados e vamos dar a ele sexo um trabalho de casamento , família em educação, então estamos fazendo um novo quadro de dados aqui que tem as , trabalho, variáveis de casamento sexual, trabalho, família e educação dentro dele. Então vamos em frente e executar os dois. Você pode ver que eles também são adicionados ao nosso ambiente. E então a última coisa que queremos fazer é criar um vetor de nomes de variáveis. Nós vamos criar um vetor ou variável Nomes em para fazer isso. Nós vamos dizer variáveis vars pensou categórico, e nós vamos fornecê-lo com os nomes de coluna lembrar, nós usamos não função antes de ir para fornecer uma coluna. Nomes de dados de vida gato ponto de modo que tomou os nomes de dois pontos de nosso novo quadro de dados de dados de dados do gato . Andi atribuiu-os para a variável vars dot cat. Então, se corrermos, apenas vars dot cat, vemos que fazemos sexo, casamento, trabalho, família e educação. Então, quando voltarmos no próximo vídeo, vamos continuar nossa análise estatística dessas variáveis categóricas, e vamos realmente fazer isso usando nossa própria função que vamos criar. Em vez de usar funções existentes, vamos criar as nossas próprias, por isso é muito emocionante em. Estou ansioso para vê-lo no próximo vídeo. 15. Criando uma função personalizada para análise estatística (t-test, ANOVA, (t-test,: Olá e bem-vindo. Neste vídeo, estaremos definindo nossa própria função. O objetivo da função é procurar relações entre as variáveis categóricas e nosso conjunto de dados. Então coisas como educação, sexo, família, emprego e estado civil sobre se alguma dessas variáveis não tem impacto na medida da diferença. Então, quantos anos ou jovens alguém pensa que tem? Então, realmente, o que queremos fazer é analisar diferenças nos fatores ou níveis dentro dessas variáveis categóricas . Então, por exemplo, queremos ver se há uma diferença entre homens e mulheres e como eles percebem idade que eles têm ou se há uma diferença entre casais casados e solteiros e como eles percebem quantos anos eles têm. Mas antes de escrevermos essa função, o que eu quero fazer é mostrar a vocês como a saída vai se parecer e o que estamos nos esforçando para criar. Então eu fiz o console mais cerca de maior para que você possa ver a saída que nós estaremos recebendo, então você vai saber este ano que diz cifrão feminino. A primeira coisa que permite a função que vamos criar vai fazer é criar um resumo estatístico da medida de diferença para todas as participantes do sexo feminino. Então, vamos ser capazes de ver o que a mediana e média etcetera ou participantes do sexo feminino como em. E também poderemos ver quais são as estatísticas resumidas para os participantes do sexo masculino. Então, se olharmos para isso rapidamente, vemos que eles significam para participantes do sexo feminino como um 0,57 ativo e a média para participantes do sexo masculino é um pouco menor em 3,437 negativos Então, apenas olhando para esses meios eu possivelmente imaginaria que Os machos tendem a pensar que são mais jovens do que realmente são porque temos um valor mais negativo em média e os participantes do sexo masculino, a outra coisa que estamos fazendo aqui é criar um enredo. Então, se olharmos toda a janela aplaudindo no canto inferior direito, veremos que temos um gráfico de caixa. Isso dividiu participantes femininos e participantes masculinos. Nós rotulamos o eixo X cada um dos nossos em nós rotulamos a medida Por que acessar uma diferença , que é o que estamos tentando descobrir, e você verá aqui que essas duas parcelas de caixa e bigode parecem bastante semelhantes a média masculina com a linha negrito é um pouco menor do que a média feminina, mas eles não parecem tão diferentes. Então, realmente, o que queremos fazer é ver se essas diferenças e significância que estamos observando na caixa OLP e nos resumos estatísticos é estatisticamente significativamente diferente. De uma maneira que conduzimos isto é, usar algo chamado teste T. Um teste T analisa diferenças entre médias e subpopulações, então ele nos diz se eles significam no grupo feminino off. A medida de diferença é realmente estatisticamente diferente do que no grupo de correio sobre se, defato, fato, as fêmeas e machos ao longo e diferentes populações como há realmente uma diferença entre machos e fêmeas quando se trata de quantos anos eles pensam que têm. Então, quando executamos o teste T, obtemos essa saída estatística. O que mais nos interessa é o valor P que esse número aqui, o valor 0,2453 p nos diz sobre significância porque este é um teste estatístico inferencial . Temos uma hipótese não, e temos uma hipótese alternativa. A hipótese nula é que as fêmeas e os machos não são diferentes e como percebem idade que têm, então não há diferença. E eles significam entre fêmeas e machos. Estatisticamente terrorista, se eu lucro é, é que esses valores médios de medida diferença são realmente diferentes, que há uma diferença entre machos e fêmeas. E se o valor P for abaixo de 0,5, vamos rejeitar a hipótese nula de que não há diferença. Vamos dizer que há evidências estatísticas de que há uma diferença na realidade entre homens e mulheres e como eles percebem a idade que eles têm lá. Porque isso é valores P 0,2453 Isso significa que não é inferior a 0,5 Nós não podemos rejeitar a hipótese nula , e nós não podemos dizer que há realmente qualquer diferença entre machos e fêmeas aqui. Então, a outra coisa que esta função faz é adicionar o valor P ao gráfico. Aqui, você verá que temos o valor P 0,2453 e a última coisa que a função faz é rotular o gráfico de caixa com um título. Isto é sexo, porque esta é a diferença entre as refeições e as fêmeas e foi visto que saída estamos indo para. Vejamos como escrevemos a própria função. Então eu vou continuar e minimizar o console. E esta é a função que eu já escrevi. Eu escrevi alguns comentários começando na pista 175 e e a função é inicialmente nomeada na Lane 180 ele corre até 222. Eu sei que isso é um monte de código muitas pistas aqui, mas nós vamos passar por isso uma linha por vez realmente chegar e explicar o que ele está realmente fazendo. Então eu encorajo você a Primeiro de tudo, ouvir a explicação fora das linhas de código que entram nesta função antes de tentar realmente copiar para baixo o cabo. Eu deixaria isso para depois, ou posava o vídeo e faria isso para começarmos com os comentários que deixei aqui Eu digo que esta é uma função para análise de variáveis independentes categóricas contra a . variável dependente contínua. Então, novamente, nossa variável dependente como nossa medida de diferença que é dependente de todas as outras variáveis que foram amostradas. É isso que estamos tentando proteger. E as variáveis categóricas independentes são as variáveis como educação, família, família, sexo e assim por diante que são categóricas significando que não são contínuas. São zeros e uns homens, fêmeas lá. Não, uma medida contínua nas funções pode vir como parte dos pacotes que você instala e são, ou você pode criar o seu próprio. Então o que estamos fazendo aqui é definir nossa própria função em nós estamos nomeando a função de gato de milho divertido. Esse é um nome que eu inventei. Podes chamar-lhe o que quiseres. Eu chamei isso não porque estamos tentando prever ou olhando para uma variável contínua que a diferença mede em. Estamos olhando para a influência que variáveis categóricas têm um não, e esta é uma função. Então eu chamei de fundos ou a disfunção divertida do Cone Cat levará três argumentos. Então sabemos que dentro de parênteses é onde poderíamos argumentos para funções. Nós vamos ter três deles nesta função neste é onde nós estamos definindo a função e todas essas linhas têm podido. Mas uma vez que temos que encontrá-lo, podemos então chamá-lo a qualquer momento que quisermos sem ter que escrever todas essas linhas novamente, então nós apenas chamá-lo e dar-lhe a três argumentos e ele corre em segundo plano. Refocar, ter que escrever todas essas pistas de corte de novo e de novo. Então esse é o verdadeiro poder das funções que permite que você use uma tarefa de análise complexa uma e outra vez sem ter que escrever dedo do pé novamente e de novo e de novo. Então online 100 anos oitenta, onde nomeamos a função, vamos chamá-la de diversão do gato Cone. Então é como se estivéssemos definindo uma variável. Usamos o operador de missão, o IRO, o Chevron com o painel, e estamos dizendo que a diversão do gato Kong vai ser atribuída uma função. Então isso é uma função, função e azul lá, e nós estamos dizendo parênteses e ao nomear os três argumentos que ele requer. Então eu chamei o primeiro argumento de cada um dos nossos para este significado este como cada variável categórica . Então, estamos enviando um daqueles atingidos para essas funções. Acabei de chamá-lo de cada um dos nossos onde, em seguida, teve a segunda discussão. Chama-se nome. Esse é o nome da variável categórica, e então temos resposta. Essa é a variável dependente ou a medida de surdez, então é isso que damos a esta função. A primeira coisa que ofendemos a função é que temos uma chave aqui e que realmente define onde a funcionalidade real começa. Então nós nomeamos a função com o governo os três argumentos. Mas esta é realmente a carne da função. Isto é o que ele faz dentro, não Curly Brace que eu voltei. Eu mesmo escrevi um comentário dizendo, A primeira coisa que vamos fazer como imprimir alguém estatísticas fora da variável dependente por cada variável independente e fatores dentro dela. Então é aqui que imprimimos um resumo de estatísticas que devemos olhar que anteriormente no console. Então a média que a mediana, exceto para as fêmeas, vê os machos certos, então estamos fazendo isso para cada nível dentro da variável categórica. Então, para a educação, nós nos aposentamos busto um resumo testável para aqueles protestos menta que apenas no ensino médio aqueles que têm educação de graduação e aqueles que têm uma educação de pós-graduação . Então, para fazer isso, usamos a função T aplicar. Você pode procurar que para cima na ajuda essencialmente t aplicar vai executar ou aplicar uma função em rosa sobre conjunto de dados. Então estamos dando t Aplicar a variável de resposta de medida diferença e estamos dizendo que queremos aplicar uma função de resumo em todos os valores de medida diferença que estão correspondentes à variável categórica em cada elemento dentro dela. Então é aqui que estamos dizendo, OK, faça um resumo em primeiro lugar, todas as fêmeas dentro da variável categórica sexo e Índia alguém em todas as refeições dentro da variável categórica sexo Nós vamos então para imprimir isso no console. Então é assim que obtemos nossa produção que olhamos aqui embaixo fora dos homens femininos primeiro portale médio médio etcetera. Então a próxima coisa que vamos fazer é fazer um gráfico de caixa. Vamos criar um gráfico de caixa fora da variável dependente subdividida por cada variável independente em fatores dentro dela. Então usamos nossa função de plotagem de livros que já vimos antes. Nós especificamos que a garra caixa é resposta e, em seguida, usamos o operador til para dizer que queremos resposta contra cada variável que estamos dando a esta função. Então, em primeiro lugar, nós damos a ela a variável sexo. Queremos traçar a medida de diferença de resposta Verre vê cada fator e a variável sexo. Nós vamos dizer que no título principal off, o enredo é igual ao nome, então nome é um dos argumentos da função. Então vamos fornecer-lhe o nome da primeira variável de fator de luta, que é sexo. Então é aí que ele ganha o título de seis aqui na trama esportiva e nós estamos fornecendo-o com o rótulo “Por que Lab For Porquê”? E estamos dizendo que isso é igual à medida da diferença. Então isso vai rotular ou por que o acesso. A próxima coisa que precisamos fazer é ter uma instrução ramificada e nosso programa fluir aqui porque há uma variável categórica que não tem dois fatores dentro dela. Tem três. A variável escolaridade. Temos graduação e pós-graduação do ensino médio, então se olharmos para o nosso ambiente novamente, vemos que a educação tem três. Família tem que trabalhar, tem que se casar, tem dois níveis e insetos tem dois níveis. Então, há uma possibilidade de que teremos uma variável categórica entrar nesta função que tem três níveis foram defendidos fora do ensino médio e pós-graduação. E isso é um problema porque o teste T para ver se há realmente uma diferença estatística dentro dos níveis na variável fator como fizemos para os testes T masculino versus feminino só pode ser usado quando há níveis muito dentro do fator. Então, se temos mais de dois como fazemos na educação, então temos que aplicar na análise de teste de variância em vez disso. Então, para explicar isso, há a possibilidade de um fator de três níveis chegar a essa função. Temos que usar declarações para ramificar o cordão. Então, se um fator de dois níveis como sexo, masculino e feminino chega a essa função, descemos um ramo. Se um fator de três níveis como educação, onde há graduação e pós-graduação do ensino médio vem para esta função, ele vai seguir um ramo diferente em fazer uma análise diferente. Então é por isso que esta função é realmente inteligente. Então vamos fazer uma declaração if e esta declaração se é avaliar se os níveis em cada barra são iguais a dois ou não. Então, como vamos fazer isso? Bem, estamos dando cada um, que, como digamos, nossa variável sexual e então os níveis funcionam aqui. A função interior vai em primeiro lugar, Teyla quantos níveis estão em cada longe. Então, para sexo, ele vai dizer para, e então nós vamos calcular o comprimento sobre esses níveis, então ele vai contar um para um nen. Vamos avaliar com o duplo sinal de igual aquele operador lógico que vamos avaliar como este número igual a dois. Então, sim, com sexo haverá uma refeição e uma fêmea. Haverá dois níveis. O comprimento vai igual a, e, portanto, dois é igual a dois. Então esta afirmação seria verdadeira. E, portanto, faríamos o que vem depois, seguindo a chave encaracolada. É assim que você configura uma instrução if, você diz f parênteses e você coloca uma instrução lógica que você deseja avaliar. E então, se isso for verdade, você vai para o tribunal vai executar o que vem depois da chave encaracolada. Então, se é sexo que vai ser verdade em, então ele vai realizar um teste T, então vamos realizar t teste usando t dot test on. Nós damos que a variável de resposta da medida diferença em qualquer variável que temos dado para a função, então se nós somos sexo cúpula, vamos avaliar sexo masculino, feminino em uma medida de diferença e realizar 80 pontos função de teste sobre isso em. Então vamos atribuir aberto dessa função para o teste de variável T. Podemos imprimir impressões de teste, a saída da função, e isso é o que você viu aqui no console. E ele imprime toda essa saída estatística para o console para que possamos vê-lo. A próxima coisa que queremos fazer é ter uma declaração if com nesta declaração if. Então estamos aninhando uma declaração de se aqui dentro de outra cerveja comigo. Então a razão pela qual estamos fazendo isso é porque nós fazemos um valor P que tem muitos zeros, muitos dígitos após o ponto. Andi, se tivermos um valor P que está desligado e muitos dígitos além do ponto decimal, isso pode ficar meio confuso. E não é realmente a coisa feita ou realmente adequada para relatar um valor P que tem muitos dígitos após o ponto. Realmente, se tivéssemos, digamos, 20 dígitos após o ponto, então 0,0 etc. Então, em um sentido estatístico em uma publicação para ser profissional, você gostaria apenas de relatar que o valor P como menos de 0,1 isso é tudo que você diria. Porque uma vez que ele é menor que 0,1 nós realmente não temos tanta confiança e isso mais. E não queremos relatar isso em uma publicação. Esta declaração se vai avaliar se o valor P teste T ficou muito, muito pequeno e muito longo passado o ponto decimal ou não. Então vamos dizer se e, em seguida, nós fornecê-lo com teste t. A variável que criamos acima com o local fora do teste estatístico T iria dizer dólar valor de ponto ST p. Então a saída da função de teste T tem atributos dentro dela, e podemos acessar esses atributos usando sinais de dólar assim como fizemos e quadros de dados e um desses atributos de um teste T como valor de paedo. Então nós estamos dizendo aqui que se o valor T testa P é menor que 0,1, então, se isso for verdade, vamos criar uma variável chamada valor P e vamos assiná-lo uma string de texto entre aspas duplas lá fora menos de 0,1 Então é isso que estamos fazendo. Se isso for verdade, é por isso que ele é colocado dentro desses colchetes lá. Não, se isso não for verdade, não vemos mais. Então isso é o que acontece se o valor P não for inferior a 0,1 Nós pulamos atribuir valor P para a string de texto menor que 0,1 e em vez disso nós descer e nós sape Evil vai ser atribuído o valor p testes T, mas nós vamos arredondá-lo desligado para quatro dígitos significativos. Então estou usando a função romana. Mas eu estou dizendo Roman para valor do valor P que temos a função de teste T e eu estou usando seu segundo argumento off dígitos iguais para então novamente, esta Nestea. Se aqui tudo o que está fazendo é olhar para o valor P do teste T que foi realizado acima aqui, e ele está olhando e avaliando não é inferior a 0.1 Se é e eu vou criar uma variável, tem o texto string menor que 0,1? Mas se não for, eu vou arredondar o valor P para quatro dígitos, e eu vou dizer não para a variável p mal. A próxima coisa que fazemos é adicionar o valor P ao gráfico. Cianose. Aqui, este gráfico de caixa que criamos tem valor de P 0,2453 acima dele. Então, esses são os que relatam os elogios. Agradável e conveniente. Então, quando alguém olha para menos enredo mais tarde, eles vêem esses dois lotes de caixa. Eles vêem que são muito parecidos. Talvez eles estejam se perguntando, são realmente iguais? O que eles são diferentes? Bem, tendo o valor P bem aqui, nós diremos isso a eles. Então vamos colar o valor p do texto com o valor P real que saiu de um teste estatístico. Então vamos dizer, Pete, Pete, Laboratório Evil para a etiqueta P Value. Estamos criando nova variável aqui, e estamos atribuindo a ela que colar a função e colar os mínimos é colar strings de texto e números juntos. Então estamos colando o texto da linguagem humana em aspas duplas, valor P milho e então dizendo vírgula P. Val. Então há P mal é o que guardamos aqui nesta declaração de “se”. Então, se era um número realmente pequeno, ele vai ser menos do que zero ponto usuário um. Se não fosse inferior a 0,1 PVA será realmente igual ao valor P arredondado do teste estatístico . A próxima coisa que fazemos é adicionar isso ao enredo. Nós adicionamos o rótulo de valor P mal AARP para o enredo usando a função de texto M. Então foi assim que conseguimos obter chamada P Value em 0.2453 acima deste gráfico. Então esse é o valor P não era inferior a 0,1 Era 0,2453 e provavelmente alguns outros dígitos, mas arredondamos para quatro dígitos significativos lá. Não, o resto desta função basicamente faz a mesma coisa, exceto que temos a outra declaração F aqui que vai avaliar se os níveis off são variáveis são maiores do que dois. Então isso vai pegar educação. A educação tem três níveis, então a educação passará por essa análise no fundo. Esta função que estamos definindo, que essencialmente é exatamente a mesma que fizemos para nivelar variável categórica acima. Mas a única diferença diz que vamos estar fazendo ou realizando na análise de variância porque existem três níveis. Uma análise de variância procura essencialmente diferenças nas médias em três níveis ou Mawr em uma variável de fator. Então é isso que temos que usar aqui. Então ele vai realizar uma análise de variância, e ele vai fazer a mesma coisa para avaliar se o valor P é muito pequeno. E se for não, vai arredondá-lo e depois vai adicionar isso ao enredo. Então é isso que vai acontecer quando a variável de educação é fornecida para nós funcionar. Novamente. Eu encorajo você a assistir este vídeo novamente. Ouça a explicação desta função. Eu sei que isso tem Bean a coisa mais complicada que fizemos até agora, e não é fácil quando você começa a definir uma função, e também quando esta função é relativamente longa e fazendo um monte de coisas diferentes que temos . Se declarações aninhadas dentro de outras declarações F e temos alguns testes estatísticos jogado aqui novamente, Rita leu os comentários aqui sobre Gua Church. A explicação do vídeo de novo. Mas basicamente, esta é a função que definimos. E dentro da função que criamos resumo estatístico, criamos um gráfico de caixa, e então temos uma declaração de ramificação que se fecha para lidar com se temos níveis de fator ou temos três níveis de fator, e que é sozinho é ramificar o cabo dentro desta função. Então olhe para isso um pouco mais. Quando voltarmos no próximo vídeo, vamos realmente usar essa função em nós vamos aninhar essa função dentro de uma estrutura de loop que nos permite iterar através de todas as nossas variáveis categóricas e que o computador faça o trabalho de todas as análises para nós. Então, este vai ser muito útil, muito importante vídeo, e espero vê-lo. Então eu vou te pegar no próximo 16. Escrevendo um loop para executar a função de análise personalizada: Olá e bem-vindo. De volta ao último vídeo, criamos nossa própria função definida pelo usuário para realizar tarefas de análise muito específicas em nosso conjunto de dados. Então, o que eu quero fazer neste vídeo assegurar-lhe como chamar ou como usar essa função? E também vamos colocar essa função dentro de uma estrutura de loop de quatro loop curto que nos permitirá reiterar essa função através de nossas cinco variáveis categóricas independentes. Então nossa educação, emprego familiar, estado civil e variáveis sexuais, infelizmente, para automatizar a análise em vez de classificar cinco vezes . Então, a primeira coisa que temos que fazer é executar essa função que criamos para que ela se torne parte do nosso ambiente e nosso reconheça isso como uma função. Então eu vou voltar para cima, rolar de volta através do script que escrevemos de volta para onde nós definimos a diversão do gato de milho na linha 180 Eu estou destacando todo o caminho até a chave encaracolada de fechamento na linha 222 e eu estou indo para ir em frente na corrida isso e você verá que ele é executado no console. Corremos todas essas faixas de acordo com toda a definição de função porque ele não fez nada certo. Não recebemos aplausos. Nós não temos nenhuma estatística oito poot porque isso é apenas como definir a função. Ainda não enviamos nada para ele, então definimos a função e você verá a janela do ambiente final. Agora temos uma cabeça em funções frias e temos diversão com gato e está aqui. Ele diz que é uma função e diz como os três argumentos que definimos que ele requer para que ele seja executado. Então a próxima coisa que vamos fazer como vamos criar uma estrutura viva onde podemos realmente usar essa função, então a primeira coisa que eu vou fazer é criar um comentário para nós basicamente aqui. Estou dizendo que este é um loop que vamos enviar variáveis categóricas para executar a análise e a função usando a função que definimos acima. Este loop vai reiterar ou continuar a percorrer a terra de todas as variáveis categóricas que estão no quadro de dados categóricos que criamos anteriormente, e vamos usar uma variável de cada vez, então se olharmos para trás nosso ambiente no seu canto superior direito? Lembre-se, criamos um gato de dados de vida. Este é um quadro de dados que apenas contratações são cinco variáveis categóricas nele. Mas é claro que tem velhos 200 participantes. Então são cinco colunas e 200 rosa. Então, para começar esse loop, vamos escrever quatro. E nós vamos dizer que eu isso como o termo índice ou o número fora das federações que o loop está em. Só estou ligando para isso. Pode chamá-lo do que quiser. Eu tendem a pensar que eu é bom porque significa índice ou federação, e eu vou dizer em E então eu vou escrever o número um Coloane. E então eu vou dizer comprimento fora vida dados dot cat. Então eu estou dizendo aqui que eu vou calcular o tempo de vida dados dot cat. Vamos ver o que acontece quando executamos dados de duração. Dog Cat me disse que está tudo bem, certo, porque há cinco variáveis no quadro de dados de dados do gato não me diz 200. Isso é um número de participantes. Isso me dá cinco sendo o “landfall “do número de variáveis e eu estou dizendo de um a cinco. Então, nesta estrutura de lábio aqui, estamos basicamente dizendo que eu vou igualar um na primeira Federação do que será igual a 345 e então ele vai parar. Então isso é tudo o que isso está dizendo. Está dizendo que eu vou ser igual a um. Ele vai ganhar igual a 34 e cinco como ele gera através deste loop. Então, o que vamos fazer à vista do loop? Bem, nós usamos atualmente chaves novamente, indo para criar algumas pistas em branco para nós escrever este loop. Você notará que o em denso para é automaticamente, mas isso é para nos ajudar visualmente. Veja isso. Certo, isso é um loop. Tudo está recuado é o que Luke está fazendo em cada iteração. Então, se vamos explicar as coisas para a nossa função, temos que antes de tudo, definir variáveis para os argumentos que a função requer. Então, eu vou dizer que cada um de nossos lembrem-se Esse é um dos argumentos que a função adquire, e eu vou dizer isso. Dados de vida gato ponto e eu vou usar colchetes para subdefinir esse quadro de dados e lembre-se, dentro de colchetes podemos dar aos números. Nós damos o número da regra Coma número da coluna. E se eu quiser tirar toda a rosa, deixo-a em branco. Lembre-se, antes de querermos todas as colunas, então estávamos saindo em branco, para que eu não pudesse ficar em coma. E então eu especifiquei qual chamá-lo eu quero. E aqui eu vou dizer que eu porque eu na primeira geração através deste loop está indo igual a um. Então, na verdade, eu estou dizendo que eu quero subdefinir a partir da vida dados dot cat data frame a primeira coluna todas as linhas. Então eu estou de pé toda a primeira variável categórica para cada um dos nossos Eu estou criando uma nova variável chamada cada longe que tem toda a variável categórica nele e, em seguida, tem que definir sem nome outro argumento que a função requer. E eu vou dizer que o nome vai comer. Bem, Vars não se lembra de Vars Dot Cat que definimos anteriormente e como um vetor que tem os nomes de Oliver 5 variável categórica trabalho de casamento sexual, família, educação. Então eu vou colocar colchetes depois dele para subconfigurá-lo, e eu vou apenas colocar I porque este não é um quadro de dados. Bars dot cat é apenas um vetor fora. Cinco coisas Sexo, casamento, trabalho, família e educação é apenas uma dimensão. Então eu só tenho que especificar eu sem coma aqui quando eu for igual a um na primeira geração . Através deste ciclo, ele vai levar o primeiro elemento do nosso Dog Cat, que é o sexo na segunda geração do trabalho de casamento, etc, à medida que ele passa. E, em seguida, a última coisa que queremos fazer dentro de nós para loop é, digamos, fundo con cat. Então nós estamos chamando a função que criamos, e nós dar-lhe os argumentos que ele requer cada nome distante e, em seguida, o terceiro argumento que dizer que ele requer lá como resposta em para resposta, eu estou indo juntos dados vida dot devi variável dependente a variável de resposta e você verá em nosso ambiente que a vida data dot devi, como um vetor numérico que tem 200 valores, tem a medida de diferença para todos os 200 participantes. Não é um quadro de dados. É apenas um vetor de 200 valores. Estou dando todos esses 200 valores para a função. Agora você pode estar um pouco confuso pensando, Whoa, nós dissemos que cada nome distante eles não deveriam este terceiro argumento ser viagem de resposta? Temos que chamá-lo assim. Não, esse é apenas o nome do argumento que definimos na função. Podemos dar o que quisermos como argumento de resposta. Aconteceu o que eu chamei cada barra e nome aqui o mesmo que os argumentos e a função. Então, cada longe aqui eu estou definindo uma nova variável fora da função com a primeira coluna fora do quadro de dados categórico. E então, e eu estou dizendo que o nome dessa variável está vindo de barras. Gato Negro. O primeiro elemento do que eu poderia ter chamado esses qualquer coisa que eu quisesse e colocá-los na função no lugar de cada longe no nome. Então esse é todo o loop quatro lá. E como este iterado ele vai executar a função, dando-lhe uma variável de cada vez. Então ele fará o segundo, o terceiro, o quarto e o quinto. Então, para dar um exemplo disso, podemos ir em frente na corrida. Isso por apenas jogou uma federação e para fazer isso eu vou descer para o console e eu vou dizer que eu vou assinar I o número um. Então isso é um baixo. Eu para executar o que Sen nos salvou para um loop onde as pessoas deixavam passar por tudo. Eu vou dizer que eu é igual a um e então eu vou apenas executar o código que está dentro do loop quatro. Eu não vou rodar o loop quatro em si. Só estou rodando essa corda uma vez, e o que quer que eu seja não será igual ao número um. E assim, quando eu corro que eu obter a saída que vimos antes de eu obter os resumos estatísticos para a diferença feminina e masculina medir seu o que? As diferenças entre masculino e feminino. Eu pego a fruta oap do para algum teste t puxado com o valor P para obter a bola explodir aqui com um valor P adicionado ao topo dela. Então não fiz você não viu esses resultados antes. Eu mostrei isso quando estávamos definindo a função em primeiro lugar. Vamos ver o que acontece quando eu disser que vou assinar também. Então, nem vamos em Destaque. Apenas o que está neste loop novamente. Só a visão. A carne do quatro loop em fuga que sabe que eu é igual a saber. Você verá que foi para a segunda variável categórica Onda. Podemos ver aqui no console que temos o resumo para não casar, e temos o resumo para casar, e você pode ver que temos um meio para aqueles que não são casados. Isso é positivo. 3.432 assim parece que as pessoas não casadas pensam que eles são mais velhos do que eles realmente são. E então para aqueles que são casados, temos um fortemente negativo 12.556 valores médios parece que aqueles que são casados pensam eles são mais jovens. Então eles realmente são. Então, se quisermos saber se essa é uma diferença estatisticamente significativa ou não, podemos olhar para o valor P que vemos aqui. P valoriza um número muito pequeno. Isto é 9.238 e para o negativo 10. Isso é para notação científica. Então isso é 19.238 vezes 10 para o negativo 10. Então esse é um número muito pequeno. Muito significativo, muito menor e 100,5 limiar que usamos para rejeitar a hipótese nula, que significa que podemos ver que há uma diferença estatisticamente entre aqueles que são casados e aqueles que não são casados. Então, quando chegamos e olhamos para o gráfico de caixa que ele criou, vemos que não se casou com valores muito mais elevados, depois casou. Então parece que quando você é casado, você pensa que é mais jovem do que você é. O valor P do teste T confirma isso, e esse valor P é muito pequeno. Assim, a função relatou corretamente como menos de 0,1 em vez de escrever em 9.238 vezes 10 para o negativo 10. Então isso é interessante parece que se você é casado, você se sente mais jovem e talvez você se sinta mais feliz. Então isso é Ah, isso é um resultado para os livros para que você possa ir em frente e executar este loop quatro. - Não. E quando você executar a coisa toda, ele irá em frente, e irá percorrer todas as variáveis e a janela de plotagem. Por exemplo, a última variável que produziu foi a variável educação, e vemos uma diferença ligeiramente significativa aqui entre o ensino médio e o grande aparece. Aqueles com mais educação se sentem mais jovens do que realmente são, o que é meio interessante. E podemos voltar para parcelas mais antigas clicando nesta seta azul para a esquerda aqui para que você também possa ver apoio familiar. Não parece ser uma diferença se você tem família ou não. - Trabalho. Se você está empregado ou não parece que as pessoas que estão empregadas que têm um emprego, eles tendem a pensar que são mais jovens do que realmente são. E essa é uma diferença estatisticamente significante. Não é inferior a 0,1 Então é relatado que arredondado para quatro casas decimais e então voltamos ao casamento. E, claro, nós também temos a variável sexo lá que já vimos antes, então você pode percorrer as parcelas aqui assim. E, em seguida, no console, você obterá a saída estatística impressa se você rolar de volta para cima. Primeiro de tudo, faça o sexo. Certo, então temos casamento. Então temos emprego, sua família e, em seguida, por último, temos o nível de educação sobre os resultados do Unova porque era três níveis com n essa variável categórica. Digamos que você queira salvar essas coisas automaticamente, o que já fizemos antes. Digamos que queremos, Como estamos rodando isso para Luke, ter as parcelas preenchidas em um documento pdf em Queremos ter todas essas estatísticas impressas para o console ir para um arquivo de texto para que possamos ter aqueles prontamente disponíveis abri-los quando não estamos ainda no nosso ambiente ou em outra máquina, ou enviá-los para alguém ou o que quer que seja? Então, o que enfraquece devido a um baixo para que isso aconteça é que podemos configurar uma função pdf e uma função de pia que enviará essas análises e essas parcelas para nossa máquina. Então eu adicionei um pré-preparado linhas de combustível do tribunal aqui em 2 25 3 para 28. O que estamos fazendo aqui novamente, uma configuração de armazenamento para baixo, os números para ir para um documento pdf sobre a estatística e quatro para ir para um arquivo de texto. Então eu estou usando a função pdf. Estou especificando onde isso está indo na minha máquina. Estou usando o caminho para um arquivo pdf. Eu estou chamando gato estatísticas var e minha pasta casaco sobre a minha seção uma pasta para a classe Demi . E então eu estou usando a função sink e especificando um caminho para um arquivo de texto que eu estou chamando cat VARS estatísticas novamente. Você terá que mudar esses caminhos e nomes de arquivos para onde quer que sua máquina se adapte, onde quer que sua saída vá. E lembre-se, se você está em um computador Windows que ele cortar ela tem que ser barras para frente e não backsplashes. E depois do loop quatro, vamos querer parar de afundar para o texto falhar. E também vamos querer parar de enviar números para o pdf. Então, para fazer isso, fechamos a pia dizendo pia abrir e fechar parênteses e, em seguida, dev ponto off para fechar o dispositivo gráfico. Então vamos ver o que acontece quando executamos essas linhas de código todas juntas. Então nós fizemos isso em, e nós não vimos nada acontecendo com as tramas. Não vimos nada a imprimir para a consola ou para o registo que estamos a executar. Mas não, se formos para nossa pasta em nossa máquina Andi, abra a janela do localizador aqui. Se formos para a pasta em nossa máquina, vou até minha pasta Jammy. Eu vou para a minha seção um para a minha saída. Agora tenho duas novas pastas aqui, uma chamada de estatísticas de gato vars. E é aqui que eu recebo um PDF em cada página do documento pdf. Tenho aqueles números que criamos. Então eu concebo isso no pdf e olho para ele a qualquer momento. E então eu também tenho o gato muito começa toda essa saída estatística prontamente disponível lá e arquivo de texto. Então, no próximo vídeo, vamos em frente fazer alguns passos muito semelhantes de análises indefinidas em nova função para analisar nossas variáveis contínuas ao contrário de nossas variáveis categóricas. Então vamos continuar nossa análise para completar nosso exame fora deste conjunto de dados de vida ou tempo e conjunto de dados de vida. Espero que esteja se divertindo. Até agora, já estamos tirando alguns insights realmente significativos a partir desses dados. Andi, eu vou te pegar no próximo vídeo 17. Escrevendo um loop para criar conspirações de dispersão: Olá e bem-vindo pela próxima coisa que vamos fazer no script como vamos começar a analisar as variáveis contínuas que temos em nosso conjunto de dados. Estes incluem a idade, a temperatura corporal, coisas como frequência cardíaca, nível de rede de apoio dos participantes, bem como como como eles classificaram sua própria saúde. Então eu criei uma caixa de comentário aqui que vai separar esta nova seção de código para é visualmente e eu disse que isso é variáveis contínuas. Vamos executar estatísticas descritivas. Mais uma vez, vamos fazer alguns gráficos de dispersão, olhar para algumas análises de correlação, bem como algumas análises de regressão e executar alguns diagnósticos para isso. Então, dentro desta seção do cabo, estaremos definindo outra função que estaremos usando effin else também será limpeza , colocar-se em fazer parcelas olhar um pouco melhor. Então a primeira coisa que realmente queremos fazer é criar um quadro de dados para as variáveis independentes contínuas , assim como fizemos antes para as variáveis categóricas. Então o que eu vou dizer é que dados de vida pontam milho. Lembre-se antes de termos um gato cão, mas estou dizendo que dados de vida pontam milho para as variáveis contínuas. Vou atribuir a esta nova função de quadro de dados do quadro de dados. Então eu estou fazendo um quadro de dados e eu vou dar a ele a temperatura corporal variável idade. Lembre-se que podemos nos referir a estes apenas usando seus nomes, porque nós os anexamos aos nossos ambientes que não temos mais de referência dados de vida Dollar dizendo que cada um destes enfraquecer. Use os nomes como estão. Nós também queremos Teoh anexar nível de suporte de freqüência cardíaca na saúde. Essas variáveis contínuas remanescentes em nosso conjunto de dados. Então vamos em frente e executar isso. Você vai ver que nós temos um novo quadro de dados chamado Life data dot corn. São 200 observações de cinco variáveis, e posso usar um pequeno balão árabe no dedo do pé. Olhe para o que eles são de idade , suporte de batimento cardíaco na saúde e isso me dá novamente amostras dessas coisas. Eles são todos inteiros ou números em fazer. Eles são antigos contínuos. A próxima coisa que eu gostaria que nós fizéssemos é criar um vetor de nomes de variáveis para os nomes de nossas variáveis contínuas, então eu vou apenas fazer um comentário para mim mesmo. Estou criando um vetor desses nomes de variáveis e vou criar um novo objeto chamado vars. Dr. Korn é como se tivéssemos feito nosso vírus Dark Kat anteriormente para variáveis categóricas. E eu vou usar essa função de nomes de chamada novamente para obter nomes de colunas. E eu vou extrair o chamado de nomes de dados de vida de milho. A vida fez atrás dot com data frame que acabamos de fazer. Então eu vou pegar uma coluna Nomes dele. Até agora em que eu sei que tem um novo objeto aqui valor no meu ambiente chamado vars dot cone em como um vetor de caracteres com os cinco nomes dessas variáveis contínuas, assim como fizemos anteriormente vars dog cat para as variáveis categóricas, a próxima coisa que vamos fazer é fazer gráficos de dispersão de todas as cinco variáveis independentes contínuas . E para fazer isso, vamos usar uma estrutura curta e looping mais uma vez. Então, isso lhe dará uma chance de explorar loops um pouco mais na prática, escrevendo esses novamente, começamos com quatro. Nós vamos dizer para eu e um através do comprimento fora dados vida ponto milho tomada dados dados vida dot milho é o novo quadro de dados que criamos. Se executarmos o tempo de vida de dados ponto com, ele nos dirá que tem uma terra para cinco porque são cinco variáveis dentro desse quadro de dados . E eles estavam cantando isso para Luke que eu seria igual a um a cinco. Então, em cada geração, a primeira geração eu igualarei um a segunda geração de igual a três e assim por diante. E para começar o saque, temos que usar uma chave encaracolada. Eu vou criar algum espaço e citar o loop novamente onde recuo percebe a funcionalidade que vai acontecer dentro deste loop quatro. Então ele está recuado, e nós vamos escrever cada uma de nossa nova variável chamada cada um de nossos Quando nós vamos dizer dados de vida, Dr. Korn e nós vamos subdefinir não usando os colchetes mais uma vez diga vírgula, eu novamente enfraquecer subdefina um quadro de dados usando colchetes. O primeiro número é o número da regra e, em seguida, o número da coluna vírgula. Então, se eu deixar cobertores número de estrada vai retornar todos rosa e eu vou subdefinir uma coluna vezes na primeira geração. Através deste olhar, vou igualar um. Então eu vou extrair apenas a primeira coluna fora de dados de vida ponto Khan e eu estou atribuindo não a nova variável chamada cada um dos nossos eu vou, em seguida, escrever nome criando uma nova variável, nome frio sobre. Eu vou dizer que isso é vars dot milho e eu vou subdefinir isso usando gelo novamente. Isso é exatamente como o que fizemos antes para as variáveis categóricas para o vírus dot con. É um vetor de caracteres. Então, há cinco nomes e não vetor. Então, em cada geração por aqui, estarei tirando um desses de cada vez, dependendo do que eu for igual, seja 1234 ou o quinto elemento em vars Dr. Korn. E então, em vez de chamar uma função definida pelo usuário como fizemos anteriormente aqui, eu vou usar a função de plotagem embutida. E eu vou dizer cada um de nossos dados de vida, Dr. Devi, modo que como nosso conjunto de dados anterior que nós inventamos, isso é apenas as 200 observações toda a variável dependente a diferença mede para que como um vetor numérico aqui no nosso ambiente. Temos um jogo de números, Eric Vector 200 observações dessas diferentes pontuações, então estou enviando a variável contínua. Estou de pé na medida da diferença. Então eu vou dizer que o rótulo X, o rótulo de acesso Y, vai para o nome igual, que eu defini aqui como o nome da primeira variável e meu cone de pontos vars. E então eu vou dizer o rótulo Y como igual à medida da diferença porque a medida da diferença vai ser constante no eixo Y, não importa o que Variável estava enviando para cada variável contínua. Estamos sempre avaliando isso contra a medida de diferença para que eu possa rotular a medida de diferença de eixos de acesso por quê . Livra-te deste extra aqui e vamos ver o que isto faz quando o executarmos. Mais uma vez, podemos descer até o console. Podemos dizer que vou ser designado um, e voltamos para não executá-lo. E então podemos executar apenas as linhas de código que estão dentro disso para Luke. E lá vamos nós. Então ele está executando apenas a primeira variável, que, se olharmos para as barras ponto com, a primeira variável é idade e podemos ver aqui que temos um juiz. Isso é e meses de novo. Poderíamos ter príncipes e meses, mas estamos usando o nome. Então, só estamos vendo a idade. Temos um gráfico de dispersão com círculos vazios indicando pontos de dados individuais com a relação entre a idade na diferença de gravação. Meça fora do participante para que possamos ir em frente em executar todo este loop quatro e vamos ver que na verdade é feito todos os números. Então a última variável era saúde. Howdy. Os participantes avaliaram sua saúde. Podemos usar o Flecha Azul para voltar aos enredos anteriores que comigo. Assim, também podemos ver suporte aqui como as taxas de participantes são medidas, sua rede de suporte. Eu apoio isso. Eles se sentiram. Também temos freqüência cardíaca que medimos para cada participante. Onda. Temos temperatura corporal para cada participante e, em seguida, de volta para a idade inicial arrancar. Então, isso é uma maneira rápida de sair, fazendo vários gráficos, usando muitas variáveis diferentes e deixando o nosso fazer o trabalho para você. Iterando através de todas essas cinco variáveis, Andi comparando-as com a medida da diferença. Então, em vez de escrever o enredo cinco vezes nós criamos o loop for Onda. Podemos fazer isso e todo esse trabalho para nós. Então fique com ele. No próximo vídeo, estaremos criando nossa segunda função definida pelo usuário para uma mentira foi fazer análise e particularmente análise de regressão todas essas variáveis contínuas Teoh Answer Mawr envolveu perguntas sobre eles, Então eu vou te pegar no próximo. 18. Criando uma função personalizada para análise personalizada (correlação e regressão): Olá e bem-vindo de volta neste vídeo. Vamos definir outra função e nosso código. E esta função vai nos permitir fazer análises de todas as variáveis independentes contínuas e procurar relações entre essas variáveis independentes na variável dependente ou as medidas de diferença. Então, como eu fiz antes, eu já colei nesta função, e nós vamos passar e discutir isso uma linha por vez. Mas antes de fazermos isso, quero mostrar a vocês o que queremos, o que a função realmente vai produzir. Então deixe-me maximizar o console em Vamos olhar para ele no enredo que nós sair desta função. Então a primeira coisa que esta função faz é avaliar a correlação de momento do produto da Pearson . Então, obtemos um valor R da Pearson nessa função. Correlação de Pearson ou R de Pearson é um valor entre pescoço, se um em positivo. Se o valor for positivo, significa que há uma correlação linear completa entre a variável independente e a variável dependente. Se o valor R de Pearson é zero, significa que não há nenhuma correlação. E se forem o valor R da Pearson é um negativo. Isso significa que há uma correlação linear negativa completa entre a variável independente e dependente. Então, quando executamos a correlação de momento do produto da Pearson , obtemos primeiro um valor p. E isso nos diz se a correlação é estatisticamente significativamente diferente de zero ou não. Se há uma correlação positiva ou negativa estatisticamente significativa entre as variáveis em, vemos aqui que o valor de P é menor que 2,2 vezes 10 para o negativo 16. Isso é realmente muito significativo, muito pequeno valor P muito menor que 160,5 Então podemos supor que a correlação aqui é fortemente diferente de zero. Mas o que realmente é onde nós descemos aqui mais para o valor de correlação real que foi telefonado e é negativo 0,558 Então isso significa que há uma correlação negativa bastante forte entre nossa variável independente e nossa variável dependente Aqui. E o que estamos olhando agora? Estamos olhando para a idade. A função colocou este cabeçalho aqui para envelhecido. Cercado pelas hashtags estão sinais de pinho. Assim, entre a idade na variável dependente, esperamos uma forte correlação linear negativa. Então essa é outra coisa que esta função vai fazer por nós. Ele vai criar um gráfico de dispersão, como você pode ver aqui na parte inferior da janela do gráfico. Ótima. E está criando um gráfico de dispersão com a idade no eixo X. Lembre-se, isso é em meses de diferença. Medir nossa variável dependente no eixo Y e podemos ver aqui. Se olharmos apenas para os pontos pretos, os pontos de dados aqui, podemos ver que há essa inclinação descendente que maior a idade se torna, mais negativa a medida da diferença tende a se tornar. Então, tende a ser que a pessoa mais velha é a mais jovem que realmente pensa que é. Eu acho que você poderia dizer que quanto mais perto da morte, alguém mais distante ele gosta de pensar que está dela, que pode fazer algum sentido. A outra coisa que a função faz além de criar o gráfico de dispersão como ele desenha uma linha vermelha através dos dados que este como o ajuste de um modelo linear ou uma linha de regressão. Esta é uma linha de melhor ajuste através de todos os pontos de dados, possamos ver visualmente que esta linha vermelha está diminuindo da esquerda para a direita, indicando que sua idade aumenta o eixo X. A medida da diferença vai cair para se tornar mais fortemente negativa. Outra coisa que a função faz é adicionar, o R ajustado ao quadrado fora do modelo linear, ou regressão acima deste gráfico. Então, há r regressão quadrada e linear explica a quantidade de variância que o modelo linear está cobrindo ou está explicando. Então este modelo linear está explicando um barco 31% fora da variância dentro desses dados. Então ele está fazendo um trabalho razoável de explicar por que temos essa diminuição do valor P aqui como o valor-chave na regressão linear. E se o valor P aqui for inferior a 0,5, significa que a inclinação dessa regressão linear é significativamente diferente de zero. Então aqui temos um valor P que é menor que 0,1 foram também função infinita fora, colocando a saída estatística ou análises de encaixar essa regressão linear e não assegurando aqui. Então, agora que vimos o que a função está fazendo, vamos olhar para as faixas individuais fora da função novamente. Eu encorajo você a primeiro de tudo, ouvir a minha explicação sobre o que esta função está fazendo antes de realmente começar a copiar para baixo as faixas do cabo. Você sempre pode pausar o vídeo e fazer isso, mas eu acho que é melhor se você não tentar copiar o cabo enquanto eu estou realmente explicando em primeira instância. Então eu li em um comentário eu mesmo aqui dizendo esta função. Quanto à análise de variáveis independentes contínuas contra variáveis dependentes contínuas, estamos chamando de diversão de cone de milho desta vez. Então, porque estamos analisando variáveis contínuas contra a variável dependente contínua, eu disse que é contínua, contínua, e eu estou chamando de diversão para a função. E novamente, estamos atribuindo a função a isso em dar os três argumentos a cada nome distante e resposta, assim como fizemos antes com o fundo de milho que fizemos no vídeo anterior. Primeiro de tudo, vamos criar o cabeçalho que tipo de ordena nossa saída estatística, íamos dizer uma nova variável chamada Header, e vamos atribuir a ele usando a função de colar, uma linha off Hashtags nome coma que estamos recebendo a partir do segundo argumento do coma função, uma segunda linha de hash tags para fazer um bom divisor e seu cabeçalho e a estatística um put, e nós estamos indo para imprimir esse cabeçalho que acabamos de fazer usando função colar. Então vamos imprimir os resultados da correlação de Pearson. Então, para executar o teste de correlação, usamos o teste de ponto central como a função e dentro dos parênteses, vamos fornecê-lo com a variável de resposta. Então nossa medida de diferença para cada participante e, em seguida, vamos fornecer na variável independente contínua que queremos avaliar a correlação com a nossa medida de diferença . Então, por exemplo, na idade, estou dando a medida da diferença aqui. E então eu estou dando a idade dos participantes para esta função de teste de ponto central. E então eu estou imprimindo a saída dessa função. Todas as análises estatísticas dois console D. A próxima coisa que estamos fazendo é criar o enredo. Então, o que estamos dizendo função de enredo, parênteses, cada um dos nossos. Então nós estamos dando, por exemplo, a variável idade onde eles ao dizer que a variável porquê neste gráfico vai ser a resposta que medida diferença foram, em seguida, rotulando o eixo X com o argumento nome que entramos nesta função de modo que, neste caso, seria a idade. E então estamos dizendo, por que amar? Ou por que etiqueta igual à medida da diferença? Isso sempre vai ser a medida da diferença, porque o rótulo branco é sempre a variável dependente ou medida da diferença, não importa qual variável estava lendo nesta função. E então estamos dizendo que tipo é igual a P para queremos um gráfico de pontos. Queremos pontos ou um gráfico de dispersão, em seguida, usando uma função adicional chamada PCH, e eu estou dizendo que é igual a 19 que determina que tipo de pontos eu recebo. Então PC H é igual a 19 me dá círculos cheios. Então eu vou deixar você ler a ajuda sobre Plaut e olhar para cima quais outros valores PCH você pode usar. Você completa correr com isso, se você quiser. Mas PCH é igual a 19 presentes. São esses círculos cheios e então eu estou dizendo, veja, óleo é igual a negros. Estou dizendo que a cor é igual a preto. É por isso que estamos recebendo pontos negros preenchidos neste gráfico de dispersão. A próxima coisa que fazemos e esta função é que ajustamos um modelo linear usando a função L am , e estamos dando a resposta, a medida da diferença e estamos dizendo, Tilda, a variável que estamos dando em termos sobre a variável contínua independente. Então, por exemplo, se estamos usando a idade, seria a diferença. Medir Tilda, a variável idade que estaria dando para a função do modelo linear. E então nós estamos atribuindo aberto dessa função de modelo linear para o ajuste variável. Podemos então adicionar a festa desse modelo Lanier ao enredo que fizemos usando uma função de linha de abelha que adiciona uma pista a qualquer enredo. Onda. Nós damos a ele o ajuste. Então essa é a saída do modelo linear que definimos duas faixas anteriormente. E então nós estamos dizendo que Coma em estavam dizendo que a cor vai ser igual a vermelho e âmbar dizendo calma L W d é igual a dois L W d é o argumento para a linha. Espere Então você, por padrão aqui, tem um. Eu fiz isso um pouco mais pesado, um pouco mais grosso linha vermelha dizendo L W D é igual a dois foram, em seguida, criar um resumo fora do modelo linear ou gordura de regressão, fornecendo para a função de resumo o ajuste que saída fora da função mais uma vez em e nós estamos indo para um sinal aberto desse resumo para uma nova variável chamada Fit Some. E então podemos imprimir, não caber alguns para o console para que possamos ver um resumo estatístico do nosso modelo linear Agora, assim como fizemos anteriormente. Estou usando uma declaração de ramificação aqui para arrumar nossos valores P. Então, novamente, se o valor da chave for muito menor que 0,1 queremos apenas relatar que como menos de 0,1 Nós não queremos ter cargas de dígitos muito além do ponto decimal. Andi, se não for inferior a 0,0.1, estou arredondando para quatro dígitos significativos. Estou fazendo isso usando o ajuste algum. Assim, o resumo do ajuste estatístico não é variável que criamos um par de linhas acima e, em seguida, usando o dólar dizendo para acessar seus atributos. E então eu estou acessando o mar ou ano para coeficiente. Atributo Andi. Dentro disso, estou acessando a segunda regra na quarta coluna, colchetes divertidos para subdefinir esse atributo de coeficiente e ajustar alguns. É aí que eu vou encontrar o valor P dentro do O Poot fora dessa função de ajuste de modelo linear . Então, nesta declaração f, eu posso avaliar se esse valor p que eu estou retirando esse coeficiente é menor que zero pontos usuário um. Nesse caso, se for, se for verdade, estou criando uma variável chamada valor P que será menor que 0,1 como uma string de texto e aspas lá. E se não for verdade, eu estou dizendo que o valor P vai ser atribuído os quatro dígitos significativos arredondando valor p que eu estou retirando desse resumo estatístico fora desse modelo linear ajustar o ajuste alguns que criamos. A próxima coisa que eu quero fazer é adicionar este é um rótulo para o gráfico, a fim de obter o R quadrado sobre o valor P aqui em cima neste gráfico para que as pessoas possam vê-lo facilmente. Vou criar uma variável chamada Lab Tech Star Label texto. Eu vou mesmo que usando a função de colar eu vou colar juntos a string de texto AJ são ajustados um d j ponto e imputando nosso capital são cenouras dizendo para o cólon quadrado R ajustado . Então essa é uma bebida de texto. Vou andar junto com isso. A linha de fato se encaixam alguns pontos r ajustados ao quadrado. Portanto, nenhum efeito sobre o resumo do ajuste estatístico. Estou usando o cifrão para arrefecer e atribuir. Isso é o r ajustado ao quadrado. E na verdade é chamado de ponto de deejay r ponto ao quadrado dentro dessa saída estatística. Então é assim que eu acesso o valor R ao quadrado. E eu estou arredondando isso para quatro dígitos significativos só para arrumar um pouco. E então eu estou usando outro coma em colar o valor P fresco e, em seguida, outro coma para colar isso junto com o valor P que foi determinado aqui nesta declaração anterior de ramificação F e, em seguida, vou adicionar isso ao enredo. Então eu estou usando a função de texto M. Eu estou fornecendo o texto do laboratório que eu defini anteriormente, e eu estou dizendo coma e dando a ele o lado argumento é igual a três que diz a nós que eu queria estar no topo fora do enredo em vez de debaixo, ou ele ou sites ou deixar Você procura a ajuda sobre isso. Eu então quero definir o dispositivo gráfico usando o Comando Leo uma grade de dois por dois que será preenchida por quatro figuras. Por que estou fazendo isso? Porque esta função que estamos definindo aqui, na verdade, também vai fazer diagnósticos no gráfico de regressão. Então, se eu seguir em frente, um enredo aqui vai mostrar a vocês como é. Temos o diagnóstico padrão da trama de diagnóstico para a nossa regressão. Então nós temos um resíduo plotar resíduos estão lá, entra na regressão obtemos um gráfico Q Q. O que mostra se os resíduos de regressão são normalmente distribuídos. Esse é um dos pressupostos de regressão que eles têm que ser normalmente distribuídos. Então enfraquecer teste aqui no saque visualmente para ver se nossa regressão é realmente 50 dokey se ele está violando qualquer uma das suposições fora da regressão ou não. Mas para reunir todas essas parcelas em uma única janela de plotagem, temos que mudar o dispositivo gráfico. E o que eu estou fazendo aqui é dizer na função de layout, eu estou fornecendo uma matriz onde eu especificar, eu vou ter quatro parcelas. 1234 em. Estou colocando-os em uma matriz de dois por dois para governar a matriz de duas colunas, a fim de obter necessidades , quatro para ser exibido um ao lado do outro, vez de ir em páginas individuais. Estou usando este comando matrix com as funções de layout. Vou deixar você procurar a ajuda sobre isso. Mas Leo é uma maneira muito útil de dividir parcelas em uma única página. Onde, então, dizendo defeitos de enredo ou traçar a festa fora. Estes modelos estatísticos não irão traçar por padrão estes gráficos de diagnóstico. E porque nós já definimos que Leo para ser uma matriz de dois por dois, ele vai colocá-los para uma página. E, em seguida, a última coisa que estamos fazendo nesta função é definir o dispositivo gráfico de volta ao seu padrão. Um gráfico, uma coluna, uma regra, um gráfico por página. Então essa é a função lá. Então eu encorajo você a ouvir a explicação novamente sobre Procurar a ajuda em cada uma dessas novas funções que estamos usando e ler esses comentários que eu deixei ao longo desta função novamente, isso é muito semelhante ao anterior que definimos para variáveis categóricas exceto não, estamos fazendo gráficos de dispersão, um suposto para encaixar gráficos, e estamos ajustando um modelo linear em olhar para seu diagnóstico. Então, por favor, junte-se a mim no próximo vídeo onde vamos realmente executar esta função, vamos colocar que incitar um loop de quatro. Vamos ver gráficos de nossas variáveis independentes contínuas e ver se elas têm alguma relação estatística com a variável dependente. Então, vejo-te no próximo. 19. Desafio 2 - escreva um loop para executar a função de análise personalizada: Olá. E bem-vindos de volta a este vídeo, eu gostaria de definir seu segundo desafio. Eu gostaria de testar suas habilidades de loop um pouco mais. E o que eu vou pedir a vocês para fazer é criar um loop for que gera através das variáveis contínuas no quadro de dados que criamos, eu quero que vocês digam, e uma variável de cada vez para o novo fundo de milho que acabamos de definir no vídeo anterior. E para dar uma dica nessa tarefa, fizemos isso anteriormente para variáveis categóricas. Então, isso é longe. Luke vai parecer muito semelhante para ir em frente em pausa seu vídeo. Agora, antes que eu comece a explicar como fazer isso. Então, bem-vindos de volta, pessoal. Espero que você tenha conseguido criar um loop de quatro, e está funcionando bem para você se você não se preocupar com isso, pois os loops são muito complicados. Então eu vou seguir em frente na direita o loop quatro com, você sabe, então a primeira coisa que eu vou fazer é criar um comentário para mim mesmo. Estou dizendo aqui que este é um loop para o envio de variáveis contínuas para a função de análise contínua que definimos no vídeo anterior. A primeira coisa que queremos dizer como quatro. Este é um loop de quatro, e nós vamos dizer que eu e um através da terra fora da vida dados ponto milho. Então este é o quadro de dados variável contínua que criamos anteriormente. Dados de vida ponto com Você pode ver que está aqui em cima. Em nosso ambiente é 200 observações fora das cinco variáveis contínuas idade, corpo, tamp, suporte de freqüência cardíaca e saúde todas essas variáveis numéricas contínuas. A próxima coisa que eu preciso, é claro, como uma cinta encaracolada, eu começo o loop for com a cinta encaracolada. Lembre-se que na primeira parte deste estava dizendo I e 13 comprimento vida dados cone ponto lembrar com aterro sanitário de dados de vida ponto Conus Quantas variáveis ar lá? Vai ser cinco, e nós estamos dizendo de um a cinco e então eu vou igualar um a cinco. Então, na primeira iteração deste loop, a primeira vez que ele é executado, eu vou igualar uma segunda vez de 234 legal e depois cinco. Anand. Ele vai acabar. Então a primeira linha deste Luton em denso é claro, porque isso mostra visualmente que estavam com final Ah, estrutura de loop que vamos definir disponível, chamado cada barra. Pode chamar isso do que quiser. Eu só vou ser consistente aqui e chamá-lo cada vez mais. E eu estou dizendo que isso vai igualar dados de vida ponto con para que quadro de dados variável contínua . E eu estou subdefinindo isso usando os colchetes. Andi I novamente colchetes um lótus para subdefinir um quadro de dados. O primeiro valor nos colchetes diz é a estrada no coma separa a coluna. Número é o segundo número. Então aqui, quando eu digo dados de vida entre pontos colon colátrio quadrado, eu estou colocando nada para a Rosa. Então, estamos virando todas as estradas. E depois do coma competindo, eu vou extrair o que o chamar de fora, a iteração do loop estava ligada. Então, a primeira vez através do loop eu vou igualar um. Ele irá extrair a primeira coluna, que em dados de vida ponto milho como idade segunda vez através da temperatura corporal e ritmo cardíaco eso em onde eu vou definir uma variável chamada nome. Nós vamos dizer que é igual a vars dot milho e nós vamos poderia I Em colchetes vars dot milho que criamos anteriormente podemos procurar por um ambiente de hora aqui como bares dot con. É um vetor de caracteres com cinco cadeias de caracteres e idade do corpo, suporte de frequência cardíaca na saúde. Então, como nós iterado através da saudação, Eu vou igualar um primeiro de tudo para que ele vai coletar o nome idade que será igual a tão educado temperatura corporal. E então nós vamos enviar essas novas variáveis que criamos para o nosso fundo de milho no 1º 1 é cada um dos nossos que estamos enviando. Esse é o primeiro argumento para Cone Cone Fun ou então vai dizer o nome. E nós vamos dizer uma vida, um dado Dr. Devi, que é a variável dependente ou a diferença medida novamente aqui como um ambiente vida dados dot devi como os 200 participantes diferentes pontuações? Não, isso chamará a função e enviará essas variáveis para ela. Mas lembre-se, antes de rodarmos isso para um loop, temos que ter executado a função uma vez e eu já fiz não aqui, mas você terá que ter escrito todas as linhas dessa função que discutimos em o vídeo anterior. Você vai ter que realmente executar isso. Então vá em frente e execute isso para que ele esteja em nosso ambiente, você sabe, Veja, no ambiente nós temos subtítulo de funções. Temos con fund sabe tão bem como o fundo para gatos de milho que definimos anteriormente. Então não, podemos ir em frente e executar este loop quatro em Ele passou através de saída os resumos estatísticos para o console. Então enfraquecer rolar um pouco em nós vemos que temos estatística Kupfer idade um valor p um valor de correlação. Temos saída de erro do modelo linear. Então temos que ir para a temperatura corporal. Temos análise de correlação de valor P aqui no DSO ligado. Nós também temos as parcelas. Então voltamos um aqui e vemos que este é o gráfico de saúde, não valor p significativo que a faixa de regressão linear não é diferente de zero. É plana. Então não podemos dizer que a saúde está tendo qualquer relação para voltar através de mais diagnósticos para o valor chave da variável de suporte não inferior a 0,5 Então não podemos dizer que não linha de regressão é significativamente diferente de zero. Portanto, não há relação entre o suporte e a medida da diferença. No conjunto de dados, podemos voltar por mais diagnósticos para freqüência cardíaca e valor P, não menos do que apontar para seus cinco. Portanto, nenhuma relação estatística entre a frequência cardíaca e a medida da diferença volta através de mais parcelas de diagnóstico para a temperatura corporal novamente. Valor de P não significativo, não menos do que apontar para o seu cinco. Portanto, nenhuma relação entre a temperatura corporal na diferença mede de volta através de Mawr. E isso é o que já vimos. A variável idade lá como uma relação estatística entre a medida de diferença de onda de idade. Então podemos dizer que as pessoas mais velhas, eu tendem a pensar que elas são mais jovens do que realmente estão em. As pessoas mais jovens tendem a pensar que são mais velhas do que realmente são. Então, sobre essa nota que conclui a primeira seção de análises e classificação de código. Achei que você achou útil, e espero que tenha telefonado para a análise que temos feito algo interessante. O próximo vídeo concluirá esta seção com um resumo desligado. O que aprendemos tanto em termos de classificação é poderia como o que aprendemos em termos de análises estatísticas. E então vamos passar para a segunda seção da classe, que vai se concentrar na análise de séries temporais. Vejo-te então. 20. Revisão de curso: Olá. Parabéns a você por fazer isso através do curso. Espero que tenha aprendido muitas, muitas coisas novas e que tenha achado interessante ao longo do caminho. Espero que eles estejam aplicando todas essas coisas novas a um conjunto de dados de vida riel realmente ajudou com sua compreensão sobre como usar nossa falta de importância fora do que estamos fazendo para completar realmente tarefas de análise. Dito isso, vamos revisar sobre falar um pouco sobre todas as coisas que aprendemos em nosso Então aqui está o que fizemos na primeira seção da classe em que carregamos dados. Mudamos os nomes das colunas. Então vamos em um conjunto de dados de um arquivo no seu computador no DWI. Mude as colunas. Nós limpamos esses dados, então verificamos se há erros e também corrigimos esses erros. Muitos dos outros estavam se associando com valores ausentes, mas também tínhamos valores irrealistas para coisas como temperatura corporal em meses de envelhecimento. Então aprendemos a explicar aqueles Findem Andi, consertá-los. Também aprendemos a criar muitas parcelas básicas diferentes. Nesta primeira seção da classe, criamos flutuadores de barra para a proporção fora de um fator muito vê outro fator em nosso conjunto de dados. Criamos gráficos de caixa para mostrar as diferenças entre diferentes variáveis e nosso conjunto de dados. Nós também encontramos gramas A sibilados, e também fizemos gráficos de dispersão tantos gráficos básicos diferentes que irão ajudá-lo a passar por um monte de diferentes análises descritivas. Também criamos várias parcelas ou parcelas de várias partes, onde enxertamos várias parcelas na mesma página. Isso pode ser muito útil se você estiver enviando algo para uma apresentação ou o relatório ou uma publicação. Também procuramos colocar números sobre análises estatísticas em arquivos pdf e arquivos de texto. Então, à medida que passamos por, em particular, funções e aquelas estruturas em loop no outono um recorde, foi muito útil ter parcelas e estatísticas oito colocadas que estamos produzindo ir diretamente para documentos pdf em arquivos de texto. Trabalhamos com muitos tipos diferentes de variáveis de dados e estão incluindo vetores, que são grupos fora de um único elemento. Também trabalhamos com fatores que são para variáveis categóricas que têm valores diferentes com fend-los. Então, por exemplo, a variável sexo tínhamos machos e fêmeas, então trabalhamos com esses dados sinceros e também criamos quadros de dados e trabalhamos com eles. Aprendemos a criar nomes de colunas. Aprendemos quadros de dados do subconjunto totus, modo que foi muito útil. Onde a celeridade para criar na função assim através dela estão usando funções o tempo todo . E a maioria dessas funções vem do nosso próprio programa ou de pacotes que vamos instalar ao longo desta classe. Mas também estamos aprendendo aqui percepção errada de como escrever nossas próprias funções para executar tarefas de análise muito específicas em nosso conjunto de dados. Também aprendemos a usar estruturas de looping para automatizar nosso código para criar múltiplas análises e múltiplos gráficos para diferentes variáveis de uma só vez, sem ter que escrever muitas, muitas mais linhas de cabo repetitivo. E também aprendemos como usar se as declarações pisarem sobre cordão para se ramificar em fluxos diferentes para contabilizar diferenças e tipos de análises que temos de realizar. Também realizamos muitos testes estatísticos. Criamos estatísticas descritivas. Aprendemos como resumir nossos dados usando meios medianos em outras medidas de generais, estatísticas descritivas, e também aprendemos hoje a realizar testes estatísticos inferenciais que nos dizem algo um pouco mais em dívida para melhores dados. Usamos testes T no Nova. Utilizamos análise de correlação, e também realizamos regressões e analisamos brevemente os gráficos diagnósticos para essas regressões. E finalmente, talvez o mais importante, aqui analisamos um conjunto de dados de vida riel. Então nós pegamos dados reais de um estudo que eu conduzi anos atrás e nós realmente realizamos análises estatísticas básicas sobre ele. Criamos gráficos dos dados, visualizamos os dados e também respondemos perguntas sobre esses dados. Então vamos ver brevemente algumas das coisas que descobrimos. Esta foi uma das parcelas de caixa que criamos. Isso está mostrando a variável independente do casamento no eixo X em. Estamos mostrando a medida da diferença no caminho de acesso. Então, de novo, não nos casamos e nos casamos. Então indivíduos que não eram casados à esquerda e aqueles que eram casados à direita e então temos a medida de diferença. E lembre-se, se a medida da diferença for negativa, significa que o indivíduo pensa que é mais jovem do que realmente é. Eles percebem que são mais jovens, e se a medida da diferença é positiva, eles percebem a si mesmos como sendo mais velhos ou mais ao longo de sua vida do que eles realmente são. E o que descobrimos foi que há uma diferença estatisticamente significativa entre casados e não casados, e descobrimos que aqueles que são casados são realmente mais propensos a perceber-se como mais jovens ou não tão longe em sua vida . Realizou-se um teste T para verificar se houve diferença real, estatisticamente significante entre esses dois grupos, e verificou-se que foi significante. Então podemos dizer estatisticamente que aqueles que eram casados você realmente se percebe mais jovem? Também encontramos algo semelhante com o status de emprego. Temos desempregados à esquerda e empregados à direita, e descobrimos que aqueles que estão empregados estão trabalhando 10 para descobrir que são mais jovens ou se sentem mais jovens do que realmente são. E novamente, realizamos um teste T a menos que e descobrimos que foi estatisticamente significativo com um valor P menor que 0,5 Então chegamos ao nível de escolaridade onde temos ensino médio, graduação em nível de pós-graduação educação, e nós descobrimos aqui que quanto mais educado você é, mais avançado você está em sua escolaridade. Quanto mais você percebe que é mais jovem do que realmente é. Então fizemos em um teste nova disso porque temos mais de dois grupos aqui. Realizamos uma análise de variância entre esses grupos e achamos estatisticamente significativo que haja de fato uma diferença entre esses grupos e que quanto mais educação você tem, jovem você acredita que é. E então, finalmente, olhamos para algumas das variáveis contínuas que olhamos para a idade do participante. Em meses depois, descobrimos que quanto mais velho o participante, é geralmente o mais jovem que eles sentem que eles são. E novamente, realizamos uma análise de regressão sobre isso e descobrimos que isso é estatisticamente significativo . Esta correlação negativa aqui é estatisticamente significativamente diferente de nenhuma correlação . Então estamos descobrindo aqui que as pessoas mais jovens tendem a pensar que são mais velhas do que realmente são. As pessoas mais velhas tendem a pensar que são mais jovens do que realmente são. Então nós realizamos ah, muita análise bastante básica mas muito informativa aqui, e eu espero que você tenha achado isso interessante e eu espero que você tenha gostado de aprender a fazer todas essas coisas e