1 簡介

R Commander 套件是由 Fox(2006) 以 R 為基礎所發展出來的統計分析套件 (package)。
該套件包括功能列、工具列、編輯視窗、輸出視窗與訊息視窗等圖形使用介面(GUI),使用 R Commander的圖形介面可方便資料統計分析。

2 下載 R Commander

下載 R Commander 套件
- 確定已連線網路
- 啟動 R 程式安裝套件

install.packages("Rcmdr")

install

3 啟動 R Commander

上半部為程式編輯區
下半部為結果輸出區
最下方為訊息區

library(Rcmdr)

4 功能瀏覽

資料：輸入/編輯資料
統計量：統計檢定分析
繪圖：畫圖
模型：建立統計模型
機率分佈：產生連續型/離散型機率分配樣本

5 資料輸入

5.1 開新資料集

資料 > 新資料集

5.2 匯入資料

資料 > 匯入資料 > 匯入文字檔
調整匯入參數
匯入成功

5.3 顯示package的資料檔

R 的packages 中含有許多資料集可供測試.
資料 > R套件中的附帶資料集 > R套件中的附帶資料集列表
尚未載入之套件資料，不會列出，須事先載入

顯示所有可用資料集
- 其中datasets package 有許多資料可供測試。

5.4 載入套件方式

如果須使用的資料沒有在預設的資料集中,則可先載入package。
工具 > 載入R套件 > 選取欲載入之套件 > 按ok，訊息區會有載入package 內容。

5.5 匯入套件的資料檔

匯入R package 的資料集
資料 > R套件中的附帶資料集 > 讀取指定套件中附帶的資料集…

5.5.1 檢視資料集

TRY ! 匯入 datasets package的 trees 資料集

5.6 使用中的資料集功能表

5.6.1 (4)查看資料集說明文件

5.6.2 選擇資料

選擇前面載入的文字檔iris.csv資料，物件名稱為dataset

6 資料摘要

6.1 資料理解

檢視資料集
什麼是鳶尾花(iris)？
花萼？花瓣？種類？

6.2 摘要統計功能列表

6.2.1 (1)使用中的資料集

Sepal.Length	Sepal.Width	Petal.Length	Petal.Width	Species
Min. :4.300	Min. :2.000	Min. :1.000	Min. :0.100	setosa :50
1st Qu.:5.100	1st Qu.:2.800	1st Qu.:1.600	1st Qu.:0.300	versicolor:50
Median :5.800	Median :3.000	Median :4.350	Median :1.300	virginica :50
Mean :5.843	Mean :3.057	Mean :3.758	Mean :1.199	NA
3rd Qu.:6.400	3rd Qu.:3.300	3rd Qu.:5.100	3rd Qu.:1.800	NA
Max. :7.900	Max. :4.400	Max. :6.900	Max. :2.500	NA

6.2.2 (2)數據摘要

##                  mean        sd IQR  0% 25%  50% 75% 100%   n
## Petal.Length 3.758000 1.7652982 3.5 1.0 1.6 4.35 5.1  6.9 150
## Sepal.Length 5.843333 0.8280661 1.3 4.3 5.1 5.80 6.4  7.9 150

6.2.3 (3)次數分配

## 
## counts:
## Species
##     setosa versicolor  virginica 
##         50         50         50 
## 
## percentages:
## Species
##     setosa versicolor  virginica 
##      33.33      33.33      33.33

6.2.4 (6)相關矩陣

	Petal.Length	Petal.Width	Sepal.Length	Sepal.Width
Petal.Length	1.0000000	0.9628654	0.8717538	-0.4284401
Petal.Width	0.9628654	1.0000000	0.8179411	-0.3661259
Sepal.Length	0.8717538	0.8179411	1.0000000	-0.1175698
Sepal.Width	-0.4284401	-0.3661259	-0.1175698	1.0000000

6.2.5 7 相關性檢定

## 
##  Pearson's product-moment correlation
## 
## data:  Petal.Length and Petal.Width
## t = 43.387, df = 148, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.9490525 0.9729853
## sample estimates:
##       cor 
## 0.9628654

7 相關操作

7.1 執行語法

7.2 清除程式碼與結果

7.3 設定小數點位數

options(digits=3)
設定整數+小數點的顯示位數為3位，預設值為7。

options(digits = 7)
sqrt(2)

## [1] 1.414214

sqrt(2)*10

## [1] 14.14214

sqrt(2)*100

## [1] 141.4214

options(digits = 3)
sqrt(2)

## [1] 1.41

options(digits = 7)

8 圖形

8.1 繪製直方圖(histograms)

使用dataset資料 (iris)

練習 ! 使用flower資料集繪直方圖

切換資料集

為何只有V7, V8可以選擇？

str(flower)

## 'data.frame':    18 obs. of  8 variables:
##  $ V1: Factor w/ 2 levels "0","1": 1 2 1 1 1 1 1 1 2 2 ...
##  $ V2: Factor w/ 2 levels "0","1": 2 1 2 1 2 2 1 1 2 2 ...
##  $ V3: Factor w/ 2 levels "0","1": 2 1 1 2 1 1 1 2 1 1 ...
##  $ V4: Factor w/ 5 levels "1","2","3","4",..: 4 2 3 4 5 4 4 2 3 5 ...
##  $ V5: Ord.factor w/ 3 levels "1"<"2"<"3": 3 1 3 2 2 3 3 2 1 2 ...
##  $ V6: Ord.factor w/ 18 levels "1"<"2"<"3"<"4"<..: 15 3 1 16 2 12 13 7 4 14 ...
##  $ V7: num  25 150 150 125 20 50 40 100 25 100 ...
##  $ V8: num  15 50 50 50 15 40 20 15 15 60 ...

8.2 繪製長條圖(barplot)

於Rcmdr中的名稱為(18)條形圖
切換資料集至dataset(iris)

8.3 繪製散佈圖(scatter plot)

(9)散佈圖

car::scatterplot(Petal.Width~Petal.Length, reg.line=FALSE, smooth=FALSE, 
  spread=FALSE, boxplots=FALSE, span=0.5, ellipse=FALSE, levels=c(.5, .9), 
  data=iris)

8.4 繪製3D圖

載入套件datasets中的trees資料

選取繪圖功能選單中的17-3D立體繪圖

練習 ! 繪製上述圖形並試著繪製其他圖形

9 機率分配

9.1 機率分配- d, p, q, r

The standard distributions:
- d:機率密度函數(Probability Density Functions, pdf or p.d.f.)
- p:累積分配函數 (Cumulative distribution function, CDF)
  - \(F(x)=P(X \leq x)\)
- q:百分比函數 (Quantile function)
- r:隨機產生分配的資料

x, q: vector of quantiles.
p: vector of probabilities.
n: number of observations.
mean: vector of means.
sd: vector of standard deviations.
log, log.p logical: if TRUE, probabilities p are given as - log(p).
lower.tail logical: if TRUE (default), probabilities are P[X <= - x],otherwise, P[X > x].

9.1.1 範例: dnorm(), pnorm(), qnorm(), rnorm()

dnorm(1.96, 0,1)

## [1] 0.05844094

pnorm(1.96, 0,1)

## [1] 0.9750021

qnorm(0.975, 0,1)

## [1] 1.959964

rnorm(5, 0,1)

## [1]  0.3615716 -0.2371644  0.6970924  0.9885503 -1.8198194

9.2 隨機產生資料

runif(1,0,2) # time at light

## [1] 0.8203738

runif(5,0,2) # time at 5 lights

## [1] 0.7269433 1.2516983 0.9165962 1.6600087 0.1631111

runif(5) # 5 random numbers in [0,1]

## [1] 0.47642561 0.08267099 0.49543962 0.69747714 0.40823965

9.3 範例:二項分配

已知某產品之不良率為0.1,隨機抽取10個產品檢查,至多有3個產品為不良品的機率為何?
方法1： \(P(X\leq 3)= \sum_{i=0}^{3}f(x)=\sum_{x=0}^{3}C_{x}^{10}(0.1)^x(0.9)^{10-x}\)，查表可得0.9872
方法2： R

pbinom(3, 10, 0.1)

## [1] 0.9872048

方法3: R Commander

9.4 範例

若\(R.V.Z \sim N(0,1)\)求：
1. \(P(Z\leq 2.5)=?\)
2. 求常數\(a\)使得\(P(Z\leq a)=0.95\)

9.4.1 1

## [1] 0.9937903

9.4.2 2

## [1] 1.644854

練習：\(P(Z\leq 2.42)=?\)

練習：\(P(-2\leq Z\leq 3)=?\)

10 迴歸分析

載入資料集cars
於R語法檔的區塊中輸入data(cars)並且執行

更換使用中的資料集為cars
檢視資料集
查看cars資料集的說明文件

10.1 範例：利用最小平方法

找出\(y=ax+b\)，y(反應變數)=dist，x(解釋變數)=speed

y=3.9324x-17.5791
R-squared(\(R^2\)):判定係數，coefficient of determination

names(RegModel.1) # 迴歸模型的物件內容

##  [1] "coefficients"  "residuals"     "effects"       "rank"         
##  [5] "fitted.values" "assign"        "qr"            "df.residual"  
##  [9] "xlevels"       "call"          "terms"         "model"

RegModel.1$coefficients # 迴歸模型的coefficients值

## (Intercept)       speed 
##  -17.579095    3.932409

RegModel.1$fitted.values # 迴歸模型的預測值

##         1         2         3         4         5         6         7 
## -1.849460 -1.849460  9.947766  9.947766 13.880175 17.812584 21.744993 
##         8         9        10        11        12        13        14 
## 21.744993 21.744993 25.677401 25.677401 29.609810 29.609810 29.609810 
##        15        16        17        18        19        20        21 
## 29.609810 33.542219 33.542219 33.542219 33.542219 37.474628 37.474628 
##        22        23        24        25        26        27        28 
## 37.474628 37.474628 41.407036 41.407036 41.407036 45.339445 45.339445 
##        29        30        31        32        33        34        35 
## 49.271854 49.271854 49.271854 53.204263 53.204263 53.204263 53.204263 
##        36        37        38        39        40        41        42 
## 57.136672 57.136672 57.136672 61.069080 61.069080 61.069080 61.069080 
##        43        44        45        46        47        48        49 
## 61.069080 68.933898 72.866307 76.798715 76.798715 76.798715 76.798715 
##        50 
## 80.731124

10.1.1 此迴歸模型是否具有解釋能力

利用ANOVA

\(H_0\)：此模型不具解釋能力(\(\beta = 0\))
\(H_1\)：此模型具解釋能力

car::Anova(RegModel.1, type="II")

	Sum Sq	Df	F value	Pr(>F)
speed	21185.46	1	89.56711	0
Residuals	11353.52	48	NA	NA

11 安裝及掛載增益集(plugin)

搜尋R官方審核通過之plugin，連結

與安裝及載入套件方式相同
試著安裝RcmdrPlugin.KMggplot2套件並載入
- 可參考安裝及啟動Rcmdr

接著安裝RcmdrPlugin.temis，試試透過Rcmdr增益集載入
載入增益集

12 總複習

試著載入套件ggplot2中的diamond(#load_data)
查看diamond資料集的說明文件
查看資料集
摘要統計量
使用ggplot2繪製：鑽石克拉數與價格之散佈圖(Scatter plot)
用鑽石克拉數與價格配適迴歸模型

13 參考文獻

RWEPA

R Commander操作手冊

Andrew Tang

2017/6/7

1 簡介

2 下載 R Commander

3 啟動 R Commander

4 功能瀏覽

5 資料輸入

5.1 開新資料集

5.2 匯入資料

5.3 顯示package的資料檔

5.4 載入套件方式

5.5 匯入套件的資料檔

5.5.1 檢視資料集

TRY ! 匯入 datasets package的 trees 資料集

5.6 使用中的資料集功能表

5.6.1 (4)查看資料集說明文件

5.6.2 選擇資料

6 資料摘要

6.1 資料理解

6.2 摘要統計功能列表

6.2.1 (1)使用中的資料集

6.2.2 (2)數據摘要

6.2.3 (3)次數分配

6.2.4 (6)相關矩陣

6.2.5 7 相關性檢定

7 相關操作

7.1 執行語法

7.2 清除程式碼與結果

7.3 設定小數點位數

8 圖形

8.1 繪製直方圖(histograms)

練習 ! 使用flower資料集繪直方圖

8.2 繪製長條圖(barplot)

8.3 繪製散佈圖(scatter plot)

8.4 繪製3D圖

練習 ! 繪製上述圖形並試著繪製其他圖形

9 機率分配

9.1 機率分配- d, p, q, r

9.1.1 範例: dnorm(), pnorm(), qnorm(), rnorm()

9.2 隨機產生資料

9.3 範例:二項分配

9.4 範例

9.4.1 1

9.4.2 2

練習：\(P(Z\leq 2.42)=?\)

練習：\(P(-2\leq Z\leq 3)=?\)

10 迴歸分析

10.1 範例：利用最小平方法

10.1.1 此迴歸模型是否具有解釋能力

11 安裝及掛載增益集(plugin)

12 總複習

13 參考文獻