# 4. přednáška - závislosti rm(list=ls()) # vyčistí pracovní prostor # nová data # příjem = c(200,150,80,70,60,60,20,20,18,18,15,15,10,10) Skupina = factor(rep(1:3,c(2,4,8)),labels=c("žlutí","modří","černí")) Platy=data.frame(příjem,Skupina) # pro případné save (Platy,file="data/Platy.RData") # použití (ni = tapply(příjem,Skupina,length)) (prumi = tapply(příjem,Skupina,mean)) (sdi = tapply(příjem,Skupina,sd)) (vari = tapply(příjem,Skupina,var)) summary(příjem) sd(příjem) var(příjem) sum(ni*vari)/sum(ni) # vážený průměr rozptylů # plot(příjem~Skupina) plot(příjem~as.integer(Skupina),pch=3) points(1:3,tapply(příjem,Skupina,mean),pch=16,ces=2,col=2) abline(h=mean(příjem),lty=3) # klasická data Kojeni data(Kojeni) plot(vyska.o~Vzdelani,data=Kojeni,col="yellow") # # korelace #source("psGraf.R") #psGraf("../korelM1.ps",width=3,height=4) plot(hmotnost~delka,data=Kojeni,pch=16, col=ifelse(Hoch=="ano","blue","red")) with(Kojeni,abline(h=mean(hmotnost),v=mean(delka),lty=3)) abline(lm(hmotnost~delka,data=Kojeni)) #dev.off() cov(hmotnost,delka) cov(scale(hmotnost),scale(delka)) cor(hmotnost,delka) cov(hmotnost/1000,delka) cor(hmotnost/1000,delka)