授業履修前に次のコードを実行して準備しておいてください。 install.packages('tidyverse') install.packages('rstan') install.packages('bayesplot') install.packages('summarytools') install.packages('gridExtra') install.packages('GGally') install.packages('loo') source('http://riseki.php.xdoma
左右対称で単峰な分布であれば，平均値，中央値，最頻値は一致しますが，歪んでいると三つはズレます。 このことを正規分布とカイ二乗分布で図示しまし
不偏分散(\(N-1\)で割る方)が標本分散よりも分散の推定値として良いことを可視化します。 set.seed(20180704) library(tidyverse) ## ─ Attaching packages ─────────── tidyverse 1.2.1 ─ ## ✔ ggplot2 3.0.0
標準正規分布を描くコード。領域を塗りつぶします。 library(ggplot2) limitRange <- function(fun, min, max) { function(x) { y <- fun(x) y[x < min | x > max] <- NA return(y) } } ggplot(data.frame(x=c(-4, 4)), aes(x=x)) + stat_function(fun = dnorm) + stat_function(fun = limitRange(dnorm, -1, 1), geom="area", fill="blue", alpha=0.2)+ stat_function(fun = limitRange(dnorm, -2, 2), geom="area",
「標本平均の平均が母平均に一致する」，これを説明するために，次のような例を示して教えてます。 100個のデータを作って「これを母集団とする」と
標準正規分布のテイルを塗りつぶす。 標準偏差+2以上のテイル library(ggplot2) library(gridExtra) limitRange <- function(fun, min, max) { function(x) { y <- fun(x) y[x < min | x > max] <- NA return(y) } } # p(x>2) p <- ggplot(data.frame(x=c(-4, 4)), aes(x=x)) p + stat_function(fun = dnorm) + stat_function(fun = limitRange(dnorm,
任意の相関係数をもつ散布図を描くコード。 library(tidyverse) ## ─ Attaching packages ─────────── tidyverse 1.2.1 ─ ## ✔ ggplot2 3.0.0 ✔ purrr 0.2.5 ## ✔ tibble 1.4.2 ✔ dplyr 0.7.6 ## ✔ tidyr 0.8.1 ✔ stringr 1.3.1 ## ✔ readr 1.1.1 ✔ forcats 0.3.0 ## ─ Conflicts
共分散や相関係数を説明するのに使えそうな図のセットです。 準備 # 準備 library(tidyverse) ## ─ Attaching packages ─────────── tidyverse 1.2.1 ─ ## ✔ ggplot2 3.0.0 ✔ purrr 0.2.5 ## ✔ tibble 1.4.2 ✔ dplyr 0.7.6 ## ✔ tidyr 0.8.1