Introduzione a R

INTRODUZIONE
ALL’UTILIZZO DI R

M.CALDERISI@KODE-SOLUTIONS.NET

14 E 15 MARZO 2012
DIPARTIMENTO DI SCIENZE DELL'AMBIENTE E DELLA VITA
UNIVERSITÀ DEGLI STUDI DEL PIEMONTE ORIENTALE

PRESENTAZIONE

LAUREATO IN CHIMICA A PISA NEL 2000

DOTTORATO IN METABOLOMICA NEL 2010

ASSEGNISTA PRESSO IL DIPARTIMENTO DI SCIENZE
AGRARIE E DEGLI ALIMENTI - UNIMORE

DAL 2003 CHEMIOMETRA /CONSULENTE

DAL 2012 ... KODE

// Dott. Marco Calderisi - m.calderisi@kode-solutions.net

PRESENTAZIONE

WWW.CHEMIOMETRIA.IT (IN STATO DI COSTANTE NON
AGGIORNAMENTO!!)

CHEMIOMETRIA.WORDPRESS.COM/ (IDEM COME SOPRA!!)


OUTLINE

GIORNO 1

INTRODUZIONE AD R

GIORNO 2

STATISTICA DI BASE, DISTRIBUZIONI, TEST, GRAFICA
PER RAPPRESENTARE I DATI IN MODO EFFICACE,
REGRESSIONE LINEARE MULTIPLA


R //cos’è?

R is data analysis software: data scientists, statisticians, analysts and others who need to
make sense of data use R for statistical analysis, data visualization, and predictive
modeling.

R is an environment for statistical analysis: Available in the R language are functions
for virtually every data manipulation, statistical model, or chart that the data analyst
could ever need

R is a programming language: you do data analysis in R by writing scripts and
functions in the R programming language. R is a complete, interactive, object-oriented
language: designed by statisticians, for statisticians.

R is an open-source software project. Not only does this mean that you can download and
use R for free, but the source code is also open for inspection and modification to anyone
who wants to see how the methods and algorithms work under the covers

R is a community. The project leadership include more than 20 leading statisticians and
computer scientists from around the world. In addition, there are more then 2 million
users worldwide.


R //cos’è?

PRO:
gratuito, multi-piattaforma,
implementa la stragrande maggioranza degli algoritmi e delle procedure
statistiche attualmente disponibili,
facilmente interfacciabile con quasi tutto,
gestito dagli sviluppatori, non da commerciali
comunità on-line ampia e viva
è un linguaggio di programmazione, quindi è molto flessibile

CONTRO:
decisamente poco user-friendly
curva di apprendimento inizialmente ostica
è un più linguaggio di programmazione che un tipico software di statistica

R //storia

R può essere considerato come una implementazione di S
(ambiente/linguaggio per l’analisi dei dati), che è una linguaggio
sviluppato presso i BELL Laboratories della AT&T nel 1976

All’inizio degli anni ‘90 R. Gentleman e R. Ihaka (University of
Auckland, NZ) iniziano lo sviluppo di R

Nel 1997 è nato l'R Development Core Team, gruppo formato da
statistici di tutto il mondo che si occupano dello sviluppo e della
distribuzione del programma

Il codice sorgente di R è disponibile come "Free Software" il cui
utilizzo è regolato dalla GNU General Public License della Free
Software Foundation

R //descrizione

Vi è un nucleo centrale che contiene l’interprete di R e alcune
funzionalità di base

Tutte le altre funzionalità sono rese disponibili attraverso
pacchetti (packages)

Alcuni pacchetti (circa 25) sono presenti nella distribuzione base:
base, utils, stats, datasets, graphics, grDevices, methods, boot,
cluster, codetools, foreign, KernSmooth, lattice, mgcv, nlme,
rpart, survival, MASS

Vi sono poi circa 2000 pacchetti, resi disponibili da utilizzatori di
R (i Contributed Packages), che riguardano "tutto il resto"


R //web sources

Home page

The R Project for statistical computing (http://www.r-
project.org/)

Download

The Comprehensive R Archive Network (CRAN) (http://cran.r-
project.org/ - 3 mirror in Italia, Milano, Padova e Palermo)

CRAN Task Views (http://cran.r-project.org/web/views/)


R //web sources

Stack Over Flow

Se avete delle domande questo potrebbe essere il posto giusto per
trovare delle risposte (tag “r”)

The Video Rchive

registrazioni di interventi a congressi o a user meetings

#rstats su Twitter

R-bloggers

blog aggregator di contenuti raccolti da altri bloggers che scrivono
su R (in inglese)

R //packages

http://cran.stat.unipd.it/ (o altri mirror accessibili dal sito
ufficiale di R: http://www.r-project.org/index.html)

http://www.inside-r.org/packages

http://crantastic.org/ (package selezionati per interesse)

http://dirk.eddelbuettel.com/cranberries/ (aggregatore di
aggiornamenti)


R //testi

Chemometrics with R - Multivariate Data Analysis in the Natural
Sciences and Life Sciences di Ron Wehrens (Springer). Package:
ChemometricsWithR

Introduction to Multivariate Statistical Analysis in
Chemometrics di Kurt Varmuza e Peter Filzmoser (CRC Press).
Package: chemometrics

Libri...


R //user groups

Rante

Collocazione: Padova Da pochi giorni esiste
Organizzatori: associazione R.O.S.P.O.
anche MilanoR
Blog: http://rante.org

Mailing list: http://groups.google.com/group/rante

Torino R net

Collocazione: Torino

Organizzatori: Alessandra Durio, Daniele Amberti, Matteo Morini, Pietro Terna

Web site: http://torinor.net/


R //screenshots


R //Rstudio

R è un po’ ostico, soprattutto per chi usa windows, per il quale
esiste una interfaccia decisamente scomoda.

Fortunatamente ci viene in soccorso Rstudio, che è un
ambiente di sviluppo (IDE) gratuito ed open source, che può
essere utilizzato sul proprio desktop (Windows, Mac, or Linux)
o via web, utilizzando RStudio Server.


R //RStudio


R //file

R “produce” due tipi di file:

. R, l’equivalente di un file di testo o di un file .m (contiene, ad
esempio, le function)

.Rdata, raccoglie gli oggetti (ovvero la variabili, le matrici, i
vettori che abbiamo creato). E’ l’equivalente di un .mat


R //Concetti di base

R è un linguaggio object-oriented

Quasi qualunque cosa, dentro R, è un oggetto

Un oggetto è una “entità che R crea e manipola: variabili,
matrici, stringhe di caratteri, funzioni...”


R //Concetti di base

Oggetti

Packages

Sintassi

Data types/structures

Functions


R //un oggetto...

x <- 1 # x è un oggetto (numerico) di R

x + x

x*100

y <- “casa” # anche y è un oggetto (stringa) di
R

Suggerimento: conviene sempre aprire un file .R (ctrl/cmd+shift+N) ed utilizzarlo per tenere traccia del
proprio lavoro (usare # per i commenti)


R //un oggetto...

esercizio 1: creo un “oggetto” usando R come “calcolatrice”

Calcolare il valore di y al variare di x

y

y

π = pi

R //un oggetto...

esercizio 1: creo un “oggetto” usando R come “calcolatrice”
> x <- 2
> (1/sqrt(x-1))*exp(1/(5-x))
[1] 1.395612

> x <- 3
> (1/sqrt(x-1))*exp(1/(5-x))
[1] 1.165822

> x <- 10
> (1/sqrt(x-1))*exp(1/(5-x))
[1] 0.2729103

> s <- 1; m <- 4; x <-2
> (1/(sqrt(2 * pi)* s))* exp(-((x - m)^2/(2 * s^2)))
[1] 0.05399097

> s <- 2; m <- 2; x <- 1
> (1/(sqrt(2 * pi)* s))* exp(-((x - m)^2/(2 * s^2)))
[1] 0.1760327 // Dott. Marco Calderisi - m.calderisi@kode-solutions.net

R //workspace

Salviamo quanto fatto in un file che contiene tutti i nostri
“oggetti”...un file “.RData”. In alternativa

save(x, file=”esercizio.Rdata”)

RStudio ci da l’opportunità di lavorare in un project (.Rproj), in
cui conservare tutto ciò che produciamo


R //workspace

Con dir() si visualizzano i nomi dei file presenti nella directory
di lavoro

dir()

Con ls() si visualizzano i nomi degli oggetti memorizzati nel
workspace

ls()


R //workspace

Per eliminare uno o più oggetti dallo spazio di lavoro utilizzo

rm(x)

Per eliminare tutti gli oggetti presenti nello spazio di lavoro, uso:

rm(list = ls())


R //workspace

Comandi per la gestione dello spazio di lavoro sono:

source("comandi.R") # legge il file comandi.R ed esegue i
comandi in esso contenuti

save(x, y, file = "xy.Rdata") # salva solo gli oggetti x
e y nel file indicato

load("xy.Rdata") # legge il file indicato e ripristina gli
oggetti precedentemente salvati


R //gestione car telle

Per verificare quale sia l’attuale cartella di lavoro

getwd() oppure ctrl+shift +K

Per cambiare directory di lavoro:

setwd(.../nomecartella)

Suggerimento: una volta scelta la cartella di lavoro con ctrl+D, individuo il percorso con setwd() e lo
inserisco in getwd() (sul file aperto in precedenza) per avere sempre lo spazio di lavoro pronto


R //gli altri oggetti

Vettori

Matrici

Array

Liste

Data Frames

Funzioni


R //vettori

Per creare un vettore il comando di base è c()

numbers <- c(1,2,3,4,5)

towns <- c(“Pisa”, “Lucca”, “Livorno”)

...aggiungo un dato mancante

y <- c(1,2,3,NA)


R //vettori

Un vettore si può costruire anche in altri modi:

a <- 1:8 # crea una successione di numeri da 1 a 8

b <- seq(from=1, to=8, by=1) # crea una successione di
numeri da 1 a 8 con il passo indicato con by

c <- seq(from=1, to=8, length=5) # crea una successione
di lunghezza = ‘length’ di numeri da 1 a 8

d <- rep(1,5) # replica 1, 5 volte


R //operazioni con i vettori

a <- 1:5

b <- 2:6

calcolare

a+b length(a) log(a)

a*b prod(b) a*2+b

a>b mean(a) plot(a)



Esercizio 2

Dati valori: 26, 13, 46, 32, 34, 17, 35, 18, 47, 14, 48, 16

1. costruire un vettore e determinarne lunghezza, somma e prodotto degli
elementi

2. calcolare poi media e varianza



Esercizio 2

x <- c(26, 13, 46, 32, 34, 17, 35, 18, 47, 14, 48, 16)

length(x)

sum(x)

prod(x) [1] 9.155457e+16

media <- sum(x)/length(x)

varianza <- sum((x-media)^2)/(length(x)-1)


R //vettori (estrazione di elementi)

Dato

a <- 1:5

calcola:

a[2] # estraggo il secondo elemento

a[a>=3] # estraggo gli elementi con valore maggiore uguale a 3

a[c(1,3)] # estraggo il primo ed il terzo elemento

a[-3] # estraggo tutti gli elementi eccetto il terzo



ESERCIZIO 3

Dati i vettori:

x <- c(11, 41, 26, 25, 11, 10, 40, 12, 50, 25)

y <- c(19, 7, 15, 9, 14, 13, 5, 20)

a. trovare i valori di x superiori al massimo di y

b. sommare gli elementi di y minori o uguali a 10

c. sommare gli elementi di x con valori inferiori a 20 o superiori a 40

d. quanti elementi di x sono maggiori di 30



x <- c(11, 41, 26, 25, 11, 10, 40, 12, 50, 25)

y<-c(19, 7,15, 9,14,13, 5,20)

x[x > max(y)] [1] 41 26 25 40 50 25

sum(y[y >= 10]) [1] 81

sum(x[x<20], x[x>40]) [1] 135

sum(x>30) [1] 3


R //fattori

I fattori sono “vettori” che rappresentano variabili che possono assumere solo
valori discreti (livelli).

vet <- c("a", "b", "a", "a", "c", "b", "c")

fat <- factor(vet)

levels(fat) # mostra i livelli del fattore

str(fat) # mostra la struttura del fattore

summary(fat) o table(fat)

# mostrano le frequenze dei livelli


R //matrici

Una matrice è un insieme di elementi di uno stesso tipo (numerici,
testuali,...), con due dimensioni

a <- 1:8

A <- matrix(a, nrow=2, ncol=4, byrow=F)


R //matrici

Una matrice può essere creata anche unendo vettori per riga o per colonna

a <- 1:8

b <- 11:18

Ac <-cbind(a,b) # affianco i vettori per colonna

Ar <-rbind(a,b) # affianco i vettori per riga


R //operazioni con le matrici

A <- matrix(1:8, nrow=2)

B <- matrix(11:18,nrow=2)

Calcolo

A+B A*B

A-B A/B



At <- t(A) # trasposta di A

dim(At) # dimensioni di At

Calcolo

At%*%B # prodotto tra matrici

colSums() colMeans()

rowSums() rowMeans()



ESERCIZIO 4

Data una matrice K

K <- matrix(1:12,nrow=3)

costruire una matrice KT in cui sia riportata K con, in aggiunta, le sue
somme di riga e di colonna



# nomino le righe

rownames(A) <- c('r1', 'r2')

# nomino le colonne

colnames(A) <- c('c1', 'c2', 'c3', 'c4')



Ogni elemento è identificato da due coordinate [i, j]

# estraggo un elemento

A[1,3]

# estraggo una riga

A[1,]

# estraggo una colonna

A[,2]

# estraggo una parte di dati

A[1:2,c(2,4)]



ESERCIZIO 5

estrarre dalla matrice KT , definita precedentemente, tutte le colonne di quelle righe in
cui gli elementi della prima colonna sono maggiori di 2

selezione elementi 2 e 4 riga , dalla 2 alla 3
colonna

estrarre righe e colonne in cui elementi>max
colonna 2


KT[KT[,1]>2,]


R //array

Equivale ad una matrice, ma può avere più di due dimensioni

arr <- array(1:24, dim=c(2,3,4))

dim(arr)


R //liste

Le liste sono delle raccolte di altri oggetti, che possono anche essere di diverso
tipo e dimensione tra loro

lista<-list(matrix(1:9,nrow=3),rep(0,3),c
('bianco','nero'))

lista[[1]] # per estrarre gli elementi


R //dataframe

Il dataframe è l’oggetto più importante.

Può contenere colonne di natura diversa (numeri, fattori,...).

Le righe e le colonne possono essere nominate


R //dataframe

Per creare un dataframe il comando è data.frame()

Si può creare “da zero”

x.df <- data.frame(ID=c(1,2,3), sex=factor(c
("M", "F", "F")), age=c(23,24,43), row.names=1)


R //dataframe

Si può creare unendo più vettori e, ad esempio, nominando successivamente righe
e colonne

a=c(1,2,3)

b=factor(c("M", "F", "F"))

c=c(23,24,43)

x2.df <- data.frame(a,b,c)

colnames(x2.df) <- c("ID", "Sex", "Age")

rownames(x2.df) <- x2.df$ID

x2.df <- x2.df[,-1]


R //dataframe

Ci sono due modi per aggiungere altre variabili:

Soluzione 1

vt <- c(7,8,7) # vettore

x3.df <- data.frame(x2.df, Vote = vt)

vt <- matrix(c(7,8,7,5,4,3), nrow=3) # matrice

x4.df <- data.frame(x2.df, Vote = vt)


R //dataframe

Ci sono due modi per aggiungere altre variabili:

Soluzione 2

vt <- c(7,8,7) # vettore

x2.df$Vote <- vt

vt <- matrix(c(7,8,7,5,4,3), nrow=3) # matrice

x2.df$Vote <- vt


R //dataframe

ESERCIZIO 6

Aggiungere al data frame x4.df una colonna contenente la
media dei voti


R //dataframe

ESERCIZIO 6

Average <- (x4.df$Vote.1 + x4.df$Vote.2)/2

X <- data.frame(x4.df,Average)


R //operazioni con i dataframe

L’estrazione dei dati funziona esattamente come per matrix,

In più è possibile effettuare ricerche mirate, sfruttando anche
appositi operatori logici e di confronto

Operatori di confronto


R //operatori logici e di confronto

Operatori di confronto Operatori logici

< minore
> maggiore
& per AND
<= minore uguale
| per OR
>= maggiore uguale
! per NOT
== uguale
!= diverso



Estraggo i dati per i soggetti di sesso femminile

x4.df[x4.df$Sex=="F",]

Estraggo i dati per i soggetti di sesso femminile con Vote.1
maggiore di 7

x4.df[x4.df$Sex=="F" & 4v.df$Vote.1>7,]



Una alternativa più versatile è data dalla funzione subset

x.sub <- subset(dati, condizione, eventuale
selezione delle variabili da includere o da
escludere)

x.sub <- subset(x4.df, subset=x4.df$Sex=="F",
select= "Age")



str() # per vedere la struttura del dataset

summary() # per avere delle statistiche di base

fix() # per editare rapidamente il dataset (non
funziona in RStudio)

attach()/detach() # per collegare e scollegare il
dataset semplificandone l’accesso

Esempio

attach(x4.df)

a<-subset(x4.df,Age>30)

detach()


ESERCIZIO 7

Creare questo data.frame

v0 <- c(1:15)

v1 <- paste(sample(LETTERS,15),sample(letters,15),sep="")

v2 <- factor(sample(c("FC","RA","RN"),15,replace=TRUE))

v3 <- sample(19:65,15,replace=TRUE)

v4 <- sample(1:5,15,replace=TRUE)

v5 <- matrix(sample(50:100,45,replace=TRUE),nrow=15)

dfSpese <- data.frame(v0,v1,v2,v3,v4,v5,stringsAsFactors=FALSE)

names(dfSpese) <- c
("Progr","Sigla","Prov","Eta","nComp","sPane","sFruVer","sLatte")



1. Aggiungere poi una variabile con la spesa complessiva per
famiglia

2. Selezionare le famiglie con spesa totale superiore alla media

3. Per questo sottoinsieme calcolare l’età media del capofamiglia, le
spese medie pro-capite dei singoli generi alimentari e quante sono
queste famiglie per provincia



Punto 1

dfSpese1 <- cbind(dfSpese, SpesaTot=rowSums(dfSpese[,c
(6:8)]))

oppure

attach(dfSpese)

dfSpese1 <- cbind(dfSpese, SpesaTot=(sPane+sFruVer
+sLatte))

detach(dfSpese)



Punto 2

dfSpese.M <- subset(dfSpese1, SpesaTot>mean(SpesaTot))

Punto 3

colMeans(dfSpese.M[,c
("Eta","sPane","sFruVer","sLatte")])

summary(dfSpese.M$Prov)


R //packages

Le funzioni di R sono raccolte in packages

E’ possibile installare un package direttamente dalla GUI

install.packages()

Per utilizzarlo è necessario “caricarlo”

require()

library()


R //function

La sintassi generica per chiamare una funzione è

functionname(arglist)

dove arglist è una lista di argomenti separati da una virgola

Esempio: sd(x, na.rm = FALSE)


R //function

La sintassi per creare una funzione è

nomeFunzione <- function(arg1, arg2,...){

}

che si usa così: output <- nomeFunzione (arg1, arg2,...)


R //impor tare i dati

R è in grado di leggere moltissimi formati, utilizzando comandi di base o
ricorrendo a package specifici.

Per importare un file di testo (csv) si usa read.table() ... o RStudio!

X <- read.table(file, header=T, sep=”;”, dec=”.”)

file = nome del file (si opera da dentro la cartella
che lo contiene)

header = T o F specifica se la prima riga contiene i
nomi delle variabili o meno

sep = indica il separatore dei campi: , ; t” (tab) ...

dec = è il separatore decimale: , o .


R //espor tare i dati

Il modo più semplice e veloce consiste nello scrivere un file txt o csv
nella directory di lavoro, con il comando write.table()

write.table(x, file = "nomefile.txt
oppure .csv", append = FALSE, sep = " ,
oppure ;", na = "NA", dec = ".", row.names =
TRUE, col.names = TRUE)


R //help

Per accedere direttamente all’help di un determinato comando

help(nomecomando) oppure ?nomecomando

Nel caso non si conosca con sicurezza il nome del comando si può
fare una ricerca estesa con

??nomecomando

In RStudio di può anche premere F1 con il cursore sul nome del
comando (con tab si vedono gli input)


OUTLINE

STATISTICA DI BASE

TEST UNIVARIATI PARAMETRICI

TEST UNIVARIATI NON PARAMETRICI

DISTRIBUZIONI

GRAFICA


STATISTICA DI BASE

STATISTICA DI BASE

La funzione principale è summary, che restituisce: minimo,
massimo, media, mediana, percentili e numero di missing value


STATISTICA DI BASE

MISSING VALUE

in R si indicano con NA

is.na() per vedere dove sono

sum(is.na()) per contarli

complete.case() indica quali campioni non hanno NA

na.omit() restituisce l’oggetto senza i campioni con NA

in genere si possono gestire dalle funzioni stesse, ad esempio
mean(x, na.rm=T)

STATISTICA DI BASE

TAVOLE DI FREQUENZA

ad esempio table(cyl, vs) ...sul dataset (mtcars)

data(mtcars)

attach(mtcars)

table(cyl, vs)

detach(mtcars)


STATISTICA DI BASE

CORRELAZIONE

cor(mtcars, use="complete.obs", method="pearson")

cov(mtcars, use="complete.obs")

methods= pearson, spearman, kendall




La funzione principale è t.test()

# due campioni indipendenti
t.test(y~x) # dove y è numerica e x è un fattore binario

t.test(y1,y2) # dove y1 e y2 sono numeriche

# due campioni accoppiati
t.test(y1,y2,paired=TRUE) # dove y1 e y2 sono numeriche

# one samle t-test
t.test(y,mu=3) # Ho: mu=3

Si può usare var.equal = TRUE per specificare “varianze uguali”. Si
può usare alternative="less" o "greater" per specificate il test ad
una coda.

bartlett.test() per verificare l’omogeneità delle varianze


TEST UNIVARIATI NON
PARAMETRICI

TEST UNIVARIATI NON PARAMETRICI

wilcox.test(y~x) # dove y è numerica e x è un fattore
binario

wilcox.test(y1,y2) # dove y1 e y2 sono numeriche

# paired t-test
wilcox.test(y1,y2,paired=TRUE) # dove y1 e y2 sono
numeriche

Si può usare alternative="less" o "greater" per
specificate il test ad una coda.


DISTRIBUZIONI

DISTRIBUZIONI (vedi file codice)


GRAFICI

What can R do for you
this is what I mean by
“R has the most advanced graphic system”

Random edge graph

100 nodes
50 edges a b
degree
Figure 12: A heatmap representation of the CLL data. Genes were selected
distribution
using a t-test comparing those with a progressive disease and those with a
&"""
+,-./0
stable disease. %""
($!#
(!)'
#*!&
#()"
#!&%
$"" '%$)
4.5 Heatmaps '(&(
'&$#
#""
!%&!
!#$&
In Figure 12 a heatmap showing genes selected according to the p-value in a !&&"
&)(%
&#")
t-test comparing those with stable disease to those with progressive disease.
!""
&"((
)"#

The top bar contains one small block for each sample, those samples that
"
'(!
&

correspond to the stable disease phenotype have a dark colored block, those
!"" #"" $"" %"" &"""

with progressive disease a light colored block. It is not surprising that the
two groups are well separated (all the dark blocks are to the left), since that
c d
is how genes were selected.

4.6 Diagnostics
The RNA digestion plot, Figure 13, indicates that there is in fact one unusual
array, CLL1. These plots show the is a relationship between the probe
position and intensity. In general, the relationship is non-constant, and

21

Figure 8: Four diﬀerent visualizations of a scatterplot of ﬂow cytometry Press
Hosted by The Berkeley Electronic
Thursday, 16 June 2011 data (forward light scatter versus side light scatter). a: the usual scatterplot.
Because of the large number of points, it is a rather featureless black blot. b:
the result of a hexagon binning procedure. The color code at each hexagon
represents the number of data points that it contains. c: color representation
of smooth point densities calculated from the data using a kernel density
Past, Present and Future of R
estimator. In the sparse regions of the density, the plot is augmented by
black dots that represent individual data points. In the denser regions,
these are omitted. d : usual scatterplot with points colored according to the
First Turin R net conference, 16-June-2011
local density.

GRAFICI

PER CREARE UN GRAFICO IL COMANDO DI BASE È
plot()
PLOT IN GENERE SI USA PER FARE I GRAFICI A
DISPERSIONE

UTILIZZIAMO UN DATASET DI ESEMPIO INCLUSO IN R:
MTCARS
attach(mtcars)


GRAFICI

CI SONO DIVERSE OPZIONI CHE SI POSSONO USARE PER
CUSTOMIZZARE L’ASPETTO DI UN GRAFICO:
type per definire il tipo di grafico
cex per intervenire sulla dimensione dei font
pch per intervenire sulla forma dei “punti”
col per cambiare i colori
PER AVERE PIÙ INFORMAZIONI
help (par)
oppure http://www.statmethods.net/advgraphs/
parameters.html


GRAFICI


GRAFICI

IN UN GRAFICO È POSSIBILE SOSTITUIRE I PUNTI CON DEL
TESTO: IL COMANDO È
text()
SI POSSONO POI SPECIFICARE IL TITOLO DEL GRAFICO
(MAIN) ED I NOMI DEGLI ASSI
xlab e ylab
SI POSSONO INTRODURRE LINEE DI RIFERIMENTO
abline()


GRAFICI

Per creare grafici con una (o più) linea sia usa

lines()
Questo comando però segue sempre plot (con l’opzione type=”n”), perchè da solo non è
in grado di fare un grafico.

Un importante parametro di lines è type, che indica il tipo di linea che vogliamo
disegnare:
p= punti l= linea o=punti sulla linea

b=punti uniti da linee s= scalini n=niente

UN ALTRO PARAMETRO IMPORTANTE È LTY CHE DETERMINA IL TIPO DI
LINEA

1= continua 2= trattini 3= puntini

GRAFICI

LEGENDA
E’ una funzione con molte opzioni, la più delicata è quella
relativa al posizionamento, dato che potrebbe andare a coprire parti
utili del grafico
legend (location, title, legend,...)
location si può mettere in due modi (vedi file)


GRAFICI

PER SALVARE UN GRAFICO IL COMANDO DIPENDE DAL TIPO DI
FILE CHE SI VUOLE SALVARE
pdf("mygraph.pdf") pdf file
png("mygraph.png") png file
jpeg("mygraph.jpg") jpeg file
bmp("mygraph.bmp") bmp file

NELL’HELP DI CIASCUNA FUNZIONE SONO DESCRITTI I
DETTAGLI SPECIFICI PER CIASCUN SALVATAGGIO.
IN RSTUDIO LA PROCEDURA È SEMPLIFICATA


GRAFICI

OGNI VOLTA CHE FACCIO UN NUOVO GRAFICO, QUESTO MI
SOVRASCRIVE IL PRECEDENTE. PER EVITARE CHE CIÒ
ACCADA APRO UN ALTRA FINESTRA PER OSPITARE IL
NUOVO GRAFICO

windows() # per windows
quartz()oppure X11()# per MacOs e Linux

Anche in questo caso RStudio ci viene in aiuto, conservando una
timeline completa dei nostri grafici


GRAFICI

COMBINARE PIÙ PLOT
Una utile alternativa è quella fare più grafici insieme,
utilizzando i comandi par() e mfrow()


GRAFICI

Istogrammi
hist(mpg)

Kernel density plot
plot(density(mpg), main="Kernel Density of Miles
Per Gallon")
nota: kernel density estimation is a non-parametric way
of estimating the probability density function of a
random variable


GRAFICI

DOT PLOT
dotchart(mtcars$mpg,labels=row.names
(mtcars),cex=.7,main="Gas Milage for Car
Models", xlab="Miles Per Gallon")


GRAFICI

Bar plot
counts <- table(mtcars$gear)
barplot(counts, main="Car Distribution",
xlab="Number of Gears")

nota: non confondere gli istogrammi con i grafici a
barre!!


GRAFICI

BOX PLOT
boxplot(mpg~cyl,data=mtcars, main="Car Milage
Data",xlab="Number of Cylinders", ylab="Miles
Per Gallon")

La funzione boxplot si può utilizzare anche per estrarre statistiche
dal dataset


GRAFICI

SCATTER PLOT
Come abbiamo già visto il comando principale per fare uno
scatterplot è plot().
E’ possibile però fare anche scatterplot multipli, con il comando
pairs()
pairs(mtcars[,1:3], main="Scatterplot Matrix")


GRAFICI

HIGH DENSITY PLOT
Quando è necessario mettere in grafico moltissimi punti, che
possono essere anche in gran parte sovrapposti
smoothScatter(x,y)


GRAFICI

SCATTER PLOT TRIDIMENSIONALI
library(scatterplot3d)
scatterplot3d(wt,disp,mpg, main="3D
Scatterplot")
Se devo esaminare più di tre variabili
library(Rcmdr)
scatter3d(wt, disp, mpg)


GRAFICI

CORRELOGRAMMI
install.packages(corrgram)
library(corrgram)
corrgram(mtcars, order=TRUE,
lower.panel=panel.shade, upper.panel=panel.pie,
text.panel=panel.txt, main="Correlazioni di
mtcars")


GRAFICI

PACKAGE SPECIFICI

ggplot2 http://had.co.nz/ggplot2/

iplots http://rosuda.org/iplots/

lattice Lattice is a powerful high-level data visualization system,
with an emphasis on multivariate data

GRAFICI

GGPLOT2 (vedi file codice)


GRAFICI

IPLOTS / JGR (http://rforge.net/JGR/files/)

(vedi file codice)


GRAFICI

Trellis graph (package=”lattice”)
Un grafico trellis mostra una o più
variabili, condizionate rispetto ad
un’altra o più variabili fattoriali.
Per esempio ~x|A mostra la variabile
numerica x per ciascun livello del
fattore A


GRAFICI

MATPLOT
Si usa per mettere in grafico le colonne di una matrice, rispetto a
quelle di un altra. Ad esempio un set di spettri rispetto alle relative
lunghezze d’onda
E’ interessante, soprattutto in questo caso, la funzione
manipulate, che ci mette a disposizione RStudio


GRAFICI

MAPPE
Si può usare il package “map”


GRAFICI

COLORI
display.brewer.all()


GRAFICI

ESERCIZIO - ANSCOMBE’S QUARTET
Importa il file e verifica:

- le medie,

- le deviazioni standard,

- i coefficienti di correlazione tra X123 e Y1, Y2, Y3 e tra X4 e Y4,

- coefficienti di regressione e R2, tra le medesime coppie

...fai i grafici


GRAFICI

ESERCIZIO - ANSCOMBE’S QUARTET
Anscombe's quartet comprises four datasets that have identical simple statistical
properties, yet appear very different when graphed.

Source: Anscombe, F.J. "Graphs in Statistical Analysis." The American Statistician. Vol. 27, No. 1 (1973):
19.



Il comando di base per effettuare una regressione lineare,
univariata o multivariata che sia, è lm()

ad esempio:

mod <- lm(y~x, data=mydata)

summay(mod)



Chiedo qualche altra informazione utile

coefficiets(mod) # coefficienti

confint(mod,level=0.95) # intervalli di confidenza

fitted(mod) # valori calcolati

residuals(mod) # residui

anova(mod) # tabella anova



Plot dei residui

stdPred <- scale( predict(mod))

stdRes <- scale(resid(mod))

plot(stdPred, stdRes, main = "Standardized
Residuals Plot", xlab = "Standardized Predicted
Values", ylab = "Standardized Residuals")

abline(h=0)



Istogramma dei residui

hist(stdR, freq = FALSE)

curve(dnorm, add = TRUE)

Q-Q plot

qqnorm(stdRes)

abline(0,1)



Confronto tra misurati e predetti

plot(y,fitted(mod))

abline(a=1,b=1, col="red", lty=2))



Faccio qualche plot diagnostico

layout(matrix(c(1,2,3,4),2,2)) # optional 4 graphs/
page

plot(fit)



ASTRO.SWARTHMORE.EDU/ASTRO121/ANSCOMBE.HTML

Esercizio 1

Utilizzando il dataset stackloss, calcolo lo stack loss se
airflow=72, water temperature=20 e acid
concentration=85

determinarne l’intervallo di confidenza (con α=0.95)



Esercizio 2

Utilizzando il dataset enrollmentForecast, calcolare il
modello di regressione per determinate il fall enrollment
(ROLL) in base all’ unemployment rate (UNEM) e al
number of spring high school graduates (HGRAD)

calcolare ROLL se UNEM=9% e HGRAD=100000

aggiungo la variabile INC e riprovo



Abbiamo calcolato due modelli di regressione (esercizio 2). Ora li
voglio confrontare

anova(twoPredictorModel, threePredictorModel)



In caso voglia considerare anche delle interazioni tra i fattori

ad esempio

twoPredictorModel <- lm(ROLL~UNEM+HGRAD+UNEM:HGRAD,
dataset_enrollmentForecast)

oppure

twoPredictorModel <- lm(ROLL~UNEM*HGRAD,
dataset_enrollmentForecast)


Introduzione a R

Recommandé

Recommandé

Contenu connexe

En vedette

En vedette (20)

Similaire à Introduzione a R

Similaire à Introduzione a R (20)

Dernier

Dernier (17)

Introduzione a R