多元数据的数学表达及R使用

最新推荐文章于 2022-11-16 17:20:42 发布
最新推荐文章于 2022-11-16 17:20:42 发布
阅读量822 收藏 1
点赞数
分类专栏： 多元统计分析及R语言建模 文章标签： r语言 数学建模 矩阵 统计学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43975035/article/details/115093018
版权

Author:龙箬
Data Science and Big Data Technology
Change the world with data!
CSDN@weixin_43975035
没有可怕的深度，就没有美丽的水面。——尼采

多元数据的数学表达及R使用

数据矩阵及R语言表示

创建一个向量（随机变量、一维数组）

x1=c(171,175,159,155,152,158,154,164,168,166,159,164)
x2=c(57,64,41,38,35,44,41,51,57,49,47,46)

返回向量的长度length()

length(x1)

length(x2)

创建一个矩阵（二维数组）
（1）合并命令

rbind(x1,x2) # 按行合并

运行结果如下：

   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12]
x1  171  175  159  155  152  158  154  164  168   166   159   164
x2   57   64   41   38   35   44   41   51   57    49    47    46

cbind(x1,x2) # 按列合并

运行结果如下：

       x1 x2
 [1,] 171 57
 [2,] 175 64
 [3,] 159 41
 [4,] 155 38
 [5,] 152 35
 [6,] 158 44
 [7,] 154 41
 [8,] 164 51
 [9,] 168 57
[10,] 166 49
[11,] 159 47
[12,] 164 46

（2）生成矩阵

matrix(x1,nrow = 3,ncol = 4) # 利用x1数据创建矩阵

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]  171  155  154  166
[2,]  175  152  164  159
[3,]  159  158  168  164

matrix(x1,nrow = 4,ncol = 3) #创建行数列数发生变化的矩阵

运行结果如下：

     [,1] [,2] [,3]
[1,]  171  152  168
[2,]  175  158  166
[3,]  159  154  159
[4,]  155  164  164

matrix(x1,nrow = 4,ncol = 3,byrow = T) # 创建按照行排列的矩阵

运行结果如下：

     [,1] [,2] [,3]
[1,]  171  175  159
[2,]  155  152  158
[3,]  154  164  168
[4,]  166  159  164

矩阵转置

A=matrix(1:12,nrow=3,ncol=4) #创建矩阵

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

t(A) # 求矩阵转置

运行结果如下：

     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
[3,]    7    8    9
[4,]   10   11   12

矩阵相加减

 A=B=matrix(1:12,nrow=3,ncol=4) #创建两个相同的矩阵

A+B

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    2    8   14   20
[2,]    4   10   16   22
[3,]    6   12   18   24

A-B

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    0    0    0    0
[2,]    0    0    0    0
[3,]    0    0    0    0

矩阵相乘

> A=matrix(1:12,nrow=3,ncol=4)
> B=matrix(1:12,nrow=4,ncol=3)
> A%*%B #求矩阵的乘法

运行结果如下：

     [,1] [,2] [,3]
[1,]   70  158  246
[2,]   80  184  288
[3,]   90  210  330

矩阵对角元素相关运算

> A=matrix(1:16,nrow=4,ncol=4)
> diag(A) # 获得矩阵对角元素

运行结果如下：

[1]  1  6 11 16

> diag(diag(A)) # 利用对角元素创建对角矩阵

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    1    0    0    0
[2,]    0    6    0    0
[3,]    0    0   11    0
[4,]    0    0    0   16

diag(3) # 创建3阶单位矩阵

运行结果如下：

     [,1] [,2] [,3]
[1,]    1    0    0
[2,]    0    1    0
[3,]    0    0    1

矩阵求逆

> A=matrix(rnorm(16),4,4)
> A

运行结果如下：

           [,1]        [,2]       [,3]       [,4]
[1,]  1.3229247 -0.04830517  0.4619649 -1.0327892
[2,] -0.5160307 -2.13080597  0.3100382  1.3273853
[3,]  0.1255166 -0.64111910 -1.1490769 -0.7886591
[4,] -0.3101173  0.32906424  0.1032359  1.6765040

> solve(A) # 求矩阵的逆

运行结果如下：

            [,1]        [,2]       [,3]       [,4]
[1,]  0.88438156 -0.02762097  0.4166163  0.7626654
[2,] -0.09748522 -0.39820209 -0.1291618  0.1944650
[3,]  0.02671088  0.17647834 -0.8593010 -0.5275046
[4,]  0.18108125  0.06218263  0.1553311  0.7318692

矩阵的特征值与特征向量

> A=diag(4)+1
> A

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    2    1    1    1
[2,]    1    2    1    1
[3,]    1    1    2    1
[4,]    1    1    1    2

> A.e=eigen(A,symmetric = T) # 求矩阵的特征值与特征向量
> A.e

运行结果如下：

eigen() decomposition
$values
[1] 5 1 1 1

$vectors
     [,1]       [,2]       [,3]       [,4]
[1,] -0.5  0.8660254  0.0000000  0.0000000
[2,] -0.5 -0.2886751 -0.5773503 -0.5773503
[3,] -0.5 -0.2886751 -0.2113249  0.7886751
[4,] -0.5 -0.2886751  0.7886751 -0.2113249

> A.e$vectors%*%diag(A.e$values)%*%t(A.e$vectors) #特征向量矩阵U和特征值矩阵D与原矩阵A的关系A=UDU'

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    2    1    1    1
[2,]    1    2    1    1
[3,]    1    1    2    1
[4,]    1    1    1    2

矩阵的Choleskey分解

> A.e=chol(A) #矩阵的Choleskey分解
> A.e

运行结果如下：

         [,1]      [,2]      [,3]      [,4]
[1,] 1.414214 0.7071068 0.7071068 0.7071068
[2,] 0.000000 1.2247449 0.4082483 0.4082483
[3,] 0.000000 0.0000000 1.1547005 0.2886751
[4,] 0.000000 0.0000000 0.0000000 1.1180340

> t(A.e)%*%A.e #Choleskey分解矩阵V和原矩阵A.e的关系A.e=V'V

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    2    1    1    1
[2,]    1    2    1    1
[3,]    1    1    2    1
[4,]    1    1    1    2

矩阵的奇异值分解

> A=matrix(1:18,3,6)
> A.s=svd(A) # 矩阵的奇异值分解
> A.s

运行结果如下：

$d
[1] 4.589453e+01 1.640705e+00 1.366522e-15

$u
           [,1]        [,2]       [,3]
[1,] -0.5290354  0.74394551  0.4082483
[2,] -0.5760715  0.03840487 -0.8164966
[3,] -0.6231077 -0.66713577  0.4082483

$v
            [,1]        [,2]       [,3]
[1,] -0.07736219 -0.71960032 -0.4076688
[2,] -0.19033085 -0.50893247  0.5745647
[3,] -0.30329950 -0.29826463 -0.0280114
[4,] -0.41626816 -0.08759679  0.2226621
[5,] -0.52923682  0.12307105 -0.6212052
[6,] -0.64220548  0.33373889  0.2596585

矩阵的维数

> A=matrix(1:12,3,4)
> dim(A) #矩阵的维数
> nrow(A) # 矩阵的行数
> ncol(A) # 矩阵的列数

矩阵的行和、列和、行平均与列平均

> rowSums(A) #矩阵按行求和
> colMeans(A) # 矩阵按列求均值
> colSums(A) #矩阵按列求和
> rowMeans(A) #矩阵按行求均值

> apply(A,1,sum) #矩阵按行求和
> apply(A,2,mean)# 矩阵按列求均值
> apply(A,2,sum) #矩阵按列求和
> apply(A,1,mean) #矩阵按行求均值

> A=matrix(rnorm(100),20,5)
> apply(A,2,var) # 矩阵按列求方差

运行结果如下：

[1] 1.3000371 0.8282086 1.1217169 1.2222226 0.3465753

> B=matrix(1:12,3,4)
> apply(B,2,function(x,a)x*a,a=2) #矩阵按列求函数结果

运行结果如下：

     [,1] [,2] [,3] [,4]
[1,]    2    8   14   20
[2,]    4   10   16   22
[3,]    6   12   18   24

数据的R语言表示——数据框

> X=data.frame(x1,x2) # 产生由x1和x2构建的数据框
> X

运行结果如下：

    x1 x2
1  171 57
2  175 64
3  159 41
4  155 38
5  152 35
6  158 44
7  154 41
8  164 51
9  168 57
10 166 49
11 159 47
12 164 46

> X=data.frame('身高'=x1,'体重'=x2) # 赋予数据框新的列标签
> X

运行结果如下：

   身高 体重
1   171   57
2   175   64
3   159   41
4   155   38
5   152   35
6   158   44
7   154   41
8   164   51
9   168   57
10  166   49
11  159   47
12  164   46

多元数据的R语言调用

> X=read.table("C:/Users/lenovo/Desktop/R语言/textdata.txt") # 读取名为textdata.txt文档
> X

    V1 V2
1   x1 x2
2  171 57
3  175 64
4  159 41
5  155 38
6  152 35
7  158 44
8  154 41
9  164 51
10 168 57
11 166 49
12 159 47
13 164 46

> X=read.table("C:/Users/lenovo/Desktop/R语言/textdata.txt",header=T) # 读取具有列标签的名为textdata的txt文档
> X

    x1 x2
1  171 57
2  175 64
3  159 41
4  155 38
5  152 35
6  158 44
7  154 41
8  164 51
9  168 57
10 166 49
11 159 47
12 164 46

> X=read.csv("C:/Users/lenovo/Desktop/R语言/textdata.csv")
> X

多元数据的简单R语言分析

定量变量的分析

hist(x1) # 身高直方图

在这里插入图片描述

plot(x1,x2)

在这里插入图片描述
定性变量的分析
(1)单因素分析

> d2.1=read.table("clipboard",header = T) # 将剪切板数据读入数据框d2.1中
> head(d2.1) # 显示前6组数据

运行结果如下：

   年龄 性别 风险 专兼职 职业 教育 结果
1 20-29   男   有   兼职 金融 高中 赚钱
2 50-59   女   有   兼职 科教 中学 持平
3 40-49   女   无   专职 科教 中学 赔钱
4 30-39   男   有      0 工人 中专 赚钱
5 50-59   女   有   专职 农民 大专 赚钱
6 40-49   女   有   兼职 管理 小学 赚钱

> attach(d2.1) #绑定数据
> table(年龄)# 一维列联表

运行结果如下：

年龄
    *  0-19 20-29 30-39 40-49 50-59   60- 
   20     3    92   167   157    51    24 

> barplot(table(年龄),col=1:7) # 条形图

在这里插入图片描述

> pie(table(结果)) #饼图

在这里插入图片描述
（2）两因素分析

table(年龄,性别) # 二维列联表

运行结果如下：

       性别
年龄     男  女
  *       9  11
  0-19    2   1
  20-29  69  23
  30-39 101  66
  40-49  89  68
  50-59  24  27
  60-    15   9

> barplot(table(年龄,性别),beside=T,col=1:7) # 以性别分组的年龄条图

在这里插入图片描述

> barplot(table(性别,年龄),beside=T,col=1:2) # 以年龄分组的年龄条图

在这里插入图片描述
（3）三因素分析

ftable(年龄,性别,结果) # 以年龄、性别排列的结果频数三维列联表

运行结果如下：

           结果 持平 赔钱 赚钱
年龄  性别                    
*     男           4    3    2
      女           3    7    1
0-19  男           0    0    2
      女           1    0    0
20-29 男          21   17   31
      女          10    7    6
30-39 男          31   30   40
      女          30   20   16
40-49 男          31   30   28
      女          25   30   13
50-59 男           5   11    8
      女           8   10    9
60-   男           7    5    3
      女           2    5    2

> ftable(性别,年龄,结果) # 以性别、年龄排列的结果频数三维列联表

运行结果如下：

           结果 持平 赔钱 赚钱
性别 年龄                     
男   *             4    3    2
     0-19          0    0    2
     20-29        21   17   31
     30-39        31   30   40
     40-49        31   30   28
     50-59         5   11    8
     60-           7    5    3
女   *             3    7    1
     0-19          1    0    0
     20-29        10    7    6
     30-39        30   20   16
     40-49        25   30   13
     50-59         8   10    9
     60-           2    5    2

> ft=ftable(性别,结果,年龄) # 以性别、结果排列的结果频数三维列联表
> ft

运行结果如下：

          年龄  * 0-19 20-29 30-39 40-49 50-59 60-
性别 结果                                         
男   持平       4    0    21    31    31     5   7
     赔钱       3    0    17    30    30    11   5
     赚钱       2    2    31    40    28     8   3
女   持平       3    1    10    30    25     8   2
     赔钱       7    0     7    20    30    10   5
     赚钱       1    0     6    16    13     9   2

> rowSums(ft)
[1]  99  96 114  79  79  47
> colSums(ft)
[1]  20   3  92 167 157  51  24
> sum(ft)
[1] 514

参考致谢：
王斌会.多元统计分析及R语言建模（第四版）

如有侵权，请联系侵删
需要本实验源数据及代码的小伙伴请联系QQ:2225872659

龙箬
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R语言实战笔记--第四&五章 数据管理
Sevan_Li的博客
12-13 2362
R语言实战笔记–第四&五章 数据管理标签（空格分隔）： R语言　　第四、第五章都是说的数据管理，合并在一起做个总结，在个人看来，数据管理是一件非常繁琐的事情，但是，每个统计的前提都是一个合适的数据样本，对的，“合适”，做到合适可不是一个简单的事情。 　　本文就不分基本和高级两部分了，合在一起写吧。 　　首先，我们建立一个数据框，这个数据框的数据来源可以随意，我直接使用书上面的例子吧。(PS:ma
多元统计分析及R语言建模|R语言基础语法|今天是记录自己学习的第一天呀！加油！
weixin_45852964的博客
11-08 974
1.绑定数据：attach();接触绑定数据：detach() 2.剪切板：clipboard 3.barplot():柱状图 4.mean函数:求算术平均值 5.median函数：求中位数 6.apply()函数:apply(X,MARGIN,FUN,...)#apply(矩阵，行或列，函数）#行用1表示，列用2表示，函数：例如求和、求均值等等 7.pie():饼图 8.垂直箱尾图：boxplot(X) 9.水平箱尾图：boxplot(X,horizontal=T) 10.星象图：stars(X) 11.
R语言中使用CUT函数将数据进行分段重编码
dege857的博客
10-03 8712
在很多SCI论文中，都会把连续变量进行分段比较，如年龄分为青年、中年、老年，或者把某一指标连续高,中,低分为几等分再进行性分析，如下图所示，把连续的孕周通过认为的分为早孕、中孕和晚孕 在R语言中，实现这种方法，我们需要把连续变量进行分段（也叫分箱）然后进行重编码对数据进行分析，这一步很重要，这是为后面的分析做准备。今天我们通过使用R语言自带的CUT函数来演示对数据的分段重编码及数据整理。 我们今天使用SPSS软件自带的Breast cancer surviva的数据资料为演示，先打开Rstudiu把数据导
R基础学习（二）基本数据管理
weixin_45275365的博客
11-16 212
R入门之抄书版。
多元统计及R实现.docx
12-13
以上是多元统计及 R 语言实现的详细讲解，涵盖了多元数据的表示、R 语言实现、数据矩阵及 R 语言表示、矩阵的基本运算、矩阵转置、矩阵的加减、矩阵的乘法、矩阵对角元素相关运算、矩阵求逆、矩阵的特征值和特征向量...
数学建模多元线性模型的应用
06-07
5. 模型评估：检查残差的正态性、独立性和方差齐性，使用R²、调整R²等统计量评估模型的解释力，以及通过F检验或t检验判断自变量的显著性。 6. 模型诊断：通过残差图、Cook's距离等工具检测潜在的问题，如多重共...
2020年度华北理工大学数学建模竞赛赛题.zip
01-20
例如，MATLAB的Optimization Toolbox可以用于求解最优化问题，Python的SciPy库则提供了丰富的科学计算功能，R语言则在统计分析和数据可视化方面有着强大的支持。 五、团队协作与论文写作 竞赛不仅考验个人的数学和...
数学建模美赛资料（附Latex论文模板宏包）
11-11
1. **数学建模基础**：数学建模是运用数学工具来理解和解决问题的过程，它涵盖了多元微积分、线性代数、概率统计等多个数学分支。在美赛中，你需要具备扎实的数学基础，理解并应用这些概念来解决实际问题。 2. **...
数学建模，2021华为杯.zip
最新发布
09-23
数学建模是利用数学工具解决实际问题的一种方法，它涉及到概率统计、线性代数、微积分等多元数学知识，以及数据分析和算法设计等技能。华为杯数学建模竞赛，是由华为公司主办的一项旨在激发学生创新思维和团队协作...
147.统计各年龄段人数
u012814404的专栏
07-02 6582
函数fun的功能是：统计各年龄段的人数，N个年龄通过调用随机函数获取，并放在主函数的age数组中，要求函数0-9岁的人数放在d[0]，以此类推，把100岁（含100岁）以上的年龄人数都放在d[10]中，结构在主函数中输出。 #define _CRT_SECURE_NO_WARNINGS #include #define N 50 #define M 11 void fun(int *a,
R语言 第四章初级绘图（2）绘制基础图形多变量相关矩阵图 pairs函数参数散点图多组的箱线图饼图
VAN
06-24 4152
绘制基础图形 饼图 示例：数据集VADeaths展示不同人群死亡率的占比情况 percent <- colSums(VADeaths)*100/sum(VADeaths) pie(percent,labels = paste(colnames(VADeaths),’\n’,round(percent,2),’%’)) 分析数据分布情况 箱线图 箱线图（boxplot）也称箱须图，其绘制须使用常用的统计量，能提供有关数据位置和分散情况的关键信息，尤其在比较不同特征时，更可表现其分散程度差异。下图标
按照年龄段进行分组
做最不无聊的IT人
12-20 4760
select count(*) from rk0207 where 年龄&gt;=10 and 年龄&lt;20 select * from rk0207 where floor(年龄/10)=0 and 身份证 not in  (select 身份证 from rk0207 where 年龄&gt;=0 and 年龄&lt;10)   --按照年龄段进行分组，10为分段基数。如果为10.0，...
R语言对各种变量分成多组
ailingbo的博客
06-09 2万+
以下面的数据框dclin为例：             ID GENDER WEIGHT GRADE  AGE 1   A9GS   MALE     92    G2           58  2   A9GT   MALE    122    G2          51  3   A9GU FEMALE     78    G2         55  4   A9GV FEMALE   ...
R语言使用cut函数把连续变量（年龄、age） 转换成因子变量（分为两组）并创建新的变量、通过breaks参数自定义设置数据分割点
statistics+insight+vista+power
05-05 2698
R语言使用cut函数把连续变量（年龄、age） 转换成因子变量（分为两组）并创建新的变量、通过breaks参数自定义设置数据分割点
R语言学习笔记 —— 数据的分组处理
cleverbegin的专栏
04-12 5万+
一、实现数据的分组求和
R语言-分组统计
热门推荐
hongweigg的专栏
10-26 6万+
分组统计 1、假定有一组成绩数据，要求根据性别进行分组统计： > score     ID   score1 score2 Gender 1  101 11.35321    0.9   male 2  102 12.58654    0.6   male 3  103 19.79380    0.9 female 4  104 12.01352    0.4 female 5 
r 数据分组处理
weixin_34120274的博客
03-22 2240
一、R语言实现数据的分组求和 实验数据集 姓名，年龄，班级 ，成绩， 科目   [html] view plain copy     student &lt;- data.frame (     name = c("s1", "s2", "s3", "s2", "s1", "s3"),     age = c(12, 13, 10, 13, 12, 10),     cl
R语言分组画条形图——qplot
统计学小王子的博客
04-09 1万+
qplot条形图的绘制00引言1、数据简介2、案例2.1变量展示数据读入与整理 00引言 R语言对于统计图的绘制可以说是非常有效了，本文使用ggplot2包里的qplot函数绘制条形图。大家一快学习使用。那个对ggplot2语法不了解的同学也可以前来参观。因为该案例不会涉及太对的语法。 1、数据简介 本文的数据来自狗熊会熊大给熊粉的公开数据，关于网络暴力的调查问卷一份。尽管像spss、sas等统计...
R语言绘制金字塔图
weifanbio的博客
09-24 1868
用plotrix包绘制两种不一样的金字塔图

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值