Ανάλυση Δεδομένων με Η/Υ

[O kanenas]

Από τις παρουσιάσεις που έχει παραδώσει και τις εργαστηριακές ασκήσεις, μαζί με τις λύσεις τους, που βρίσκονται στο site του μαθήματος.

[O kanenas]

Οποιος/α ήταν στο μάθημα της Παρασκευής μπορεί να μας ενημερώσει για το πώς είπε ο Φουσκάκης ότι θα γίνει η εξέταση? Κάτι ειπώθηκε σε προηγούμενο post, αλλά δεν κατάλαβα και πολλά...

[sfod]

δεν το πιασα αυτό kanenas
οντως δεν είπε πολλά γιαυτό&έγραψα λίγα-να το πω αλλη μια, λιγο δαφορετικά μπας&βοηθήσω

είπε ότι αυτό που τον ενδιαφέρει είναι να ξέρουμε να ερμηνεύουμε κάποια αποτελεσματα.
π.χ μπορεί να μας δώσει καποιους κώδικες της R μαζί με κάποια γραφήματα και να μας ζητήσει να τα ερμηνεύσουμε
-αυτό που ζητάει και σε πολλά ερωτήματα των εργασιών δηλαδή.
ένα τραναχτό παράδειγμα κατα την αποψή μου θα ήταν μια ερώτηση του στυλ :
από τον παραπάνω κώδικα προκύπτει ότι αποδεχόμαστε την Ηο και αν ναι γιατί?Τι σημαίνει αυτό για το δείγμα μας? κλπ...
απλό είναι.αυτό δεν σημαίνει βεβαια ότι είναι και εύκολο γιατί η στατιστική συμπερασματολογία είναι το πιο δύσκολο σημείο αφού απαιτεί να έχεις κατανοήσει πλήρως το αντικείμενο..

[aeriko]

Από εμάς δε θα ζητά κώδικες??
Αύριο θα κάνει μάθημα-'Εχει τελειώσει την ύλη??

[sfod]

έχει τελειώσει την ύλη(μόνο τις τελευταίες διαφάνειες για ανάλυση διασποράς δεν έκανε)
το τελευταίο μάθημα έγινε την περασμένη Τετάρτη.
μπορεί να ζητάει καμια απλή εντολή απο την R απότι κατάλαβα- δεν θα μας ζητησει να γραψουμε ολόκληρο κώδικα
αλλά και πάλι για να το ερμηνεύσεις πρέπει να τα ξέρεις ετσι δεν είναι?

αν καποιος που ερχόταν στο μάθημα διαφωνεί ή εχει να προσθέσει κάτι ας το κάνει για να μη "μου τη πούνε "πάλι.

[O kanenas]

sfod, δεν είχα καμία πρόθεση να σου την πω! Απλά, απ'αυτό που είχες γράψει πριν για την εξέταση δεν κατάφερα να βγάλω κάποια εικόνα για το πώς θα γίνει, επομένως ζήτησα περισσότερες λεπτομέρειες, έχοντας την εντύπωση ότι ο και καθηγητής θα'χε εξηγήσει καλύτερα τη διαδικασία της εξέτασης. Ούτε να σου την πω ήθελα, ούτε να σε προσβάλλω.

Σ'ευχαριστώ, πάντως, που τα ξανάγραψες αναλυτικότερα, γιατί με βοήθησε.

[aeriko]

Ευχαριστώ.

[sfod]

plaka ekana vre-mi masas!
kalo diavasmataki

[rainel]

aporia gia to 2 erwtima tis ergasias

ef'oson exoume paraleipsei tis agnooumenes times me to na.omit() pws doulepsate me tin sample gia na dialeksei 65 paratiriseis?

[1/2rizax]

Απομένουν 68 παρατηρήσεις χωρίς ΝΑ. Μια ιδέα είναι να φτιάξες ένα διάνυσμα χ<-(1,2,...,68), να πάρεις ένα δείγμα 3 παρατηρήσεων από το χ και ύστερα να αφαιρέσεις τις γραμμές του πίνακα που έχουν τους δείκτες αυτούς. Μπορείς να το κάνεις με το χέρι (μπακαλίστικο,αλλά ταχύτερο), ή να φτιάξεις ένα φορ-λοοπ (λίγες παραπάνω γραμμές, αλλά κομψότερο). Για να αφαιρέσεις γραμμές: πχ.
X[-1,] αφαιρεί την πρώτη γραμμή του Χ.
Σίγουρα θα βγαίνει και συντομότερα.

[rainel]

euxaristw!

[maria_20]

Εγω αντί της na.omit(xdata) χρησιμοποιησα την na.exclude(xdata). και μετα μπακαλικα με το χερι. δεν βρηκα καλύτερο τροπο που σιγουρα θα υπάρχει.

Αν μπορεί κάποιος να παραθέσει ένα κώδικα για το τελευταιο ερωτημα γιατί τα χω μπλέξει με τα if και τα else και ακρη δν βγάζω θα το εκτιμούσα ιδιαιτέρως!

[O kanenas]

Στο γενικό γραμμικό μοντέλο έχουμε 4 επεξηγηματικές μεταβλητές, εκ των οποίων οι δύο είναι ποσοτικές και οι άλλες δύο κατηγορικές. Ο έλεγχος της γραμμικότητας γίνεται με τον σχεδιασμό, για κάθε επεξηγηματική μεταβλητή, ενός γραφήματος με τα σημεία (x, p), όπου x η επεξηγηματική μεταβλητή και p τα μερικά υπόλοιπά της. Καλά μέχρι εδώ.
Απορία: Πώς γίνεται ο έλεγχος γραμμικότητας αν η επεξηγηματική μεταβλητή είναι κατηγορική? Το γράφημα προφανώς έχει σημεία μόνο πάνω στις ευθείες x=0 και x=1!

[sfod]

ποια είναι η διαφορά na.omit-na.exclude το ψαξα&στη βοήθεια αλλά δεν κατάλαβα και πολλά
επίσης αφού λέει με τη βοήθεια της εντολής sample γιατί πρέπει να το κάνουμε μπακάλικα όπως λέτε?
αφού πάρουμε το na.omit ή exclyde τελοςπάντων εφαρμόζουμε την εντολή sample εκεί!δεν παιζει αυτό?

[O kanenas]

H sample δεν μπορεί να εφαρμοστεί πάνω σε πλαίσιο δεδομένων, αλλά σε διάνυσμα. Οπότε, πρέπει να φτιάξεις ένα διάνυσμα του οποίου κάθε στοιχείο θα αντιστοιχεί σε μια γραμμή του πλαισίου δεδομένων, να εφαρμόσεις το sample πάνω στο διάνυσμα αυτό και να κρατήσεις τις γραμμές του πλαισίου δεδομένων εκείνες που αντιστοιχούν στα στοιχεία που "διάλεξε" η R από το διάνυσμά σου μέσω της sample. Ελπίζω να τα'γραψα κατανοητά...

Προς πάντες:
Υπάρχει νόημα στον έλεγχο γραμμικότητας μεταξύ μιας ποσοτικής και μιας ποιοτικής μεταβλητής?