Cómo analizar las variaciones de datos en modelos con r
Un análisis de la varianza (ANOVA) es una técnica muy común que se utiliza con R para comparar las medias entre diferentes grupos de datos. Para ilustrar esto, echar un vistazo a la base de datos Repelente de insectos:
gt; str (InsectSprays) `data.frame`: 72 obs. de 2 variables: $ count: num 10 7 20 14 14 12 10 23 17 20 ... $ pulverización: Factor w / 6 niveles "UN","segundo","do","re"..: 1 1 1 1 1 1 1 1 1 1 ...
Este conjunto de datos contiene los resultados de un experimento agrícola. Seis insecticidas se probaron en 12 campos de cada uno, y los investigadores contaron el número de insectos molestos que permanecían en cada campo. Ahora los agricultores necesitan saber si los insecticidas hace ninguna diferencia, y si es así, cuál de ellos mejor uso. Responder a esta pregunta mediante el uso de la aov () funcionar para llevar a cabo un ANOVA.
Video: Distribucion bidimensional SECUNDARIA (4ºESO) Recta de regresion correlacion
¿Cómo construir el modelo
Para este ejemplo simple, la construcción del modelo es un pedazo de la torta. Esencialmente desea modelar los medios para la variable contar como una función de la variable rociar. A traducir eso a R como esto:
Video: Analisis de datos Exploratorios Rstudio
gt; AOVModel lt; - aov (recuento ~ = pulverización, datos InsectSprays)
Se pasa dos argumentos a la aov () función en esta línea de código:
La formula contar ~ aerosol, reza lo “contar como una función del aerosol”
El argumento datos, donde se especifica la trama de datos en la que las variables de la fórmula se pueden encontrar
Cada función de modelado devuelve un objeto de modelo con una gran cantidad de información sobre el modelo ajustado. Siempre poner este objeto modelo en una variable. De esta manera usted no tiene que volver a montar el modelo cuando se necesita realizar cálculos adicionales.
Video: Significado del coeficiente de correlacion de pearson
Cómo mirar el objeto de modelo
Al igual que con todos los objetos, puede mirar un objeto de modelo con tan sólo escribir su nombre en la consola. Si lo hace para el objeto Modelo que ha creado, se ve el resultado siguiente:
gt; AOVModelCall: aov (fórmula = recuento ~ aerosol, = datos InsectSprays) Condiciones: spray ResidualsSum de cuadrados 2668.833 1015.167Deg. de Freedom566Residual error estándar: efectos 3.921902Estimated pueden ser desequilibrado
Esto no le dice mucho, aparte de la orden (o el llamada) Que utilizó para construir el modelo y alguna información básica sobre el resultado apropiado.
En la salida, también se lee que los efectos estimados pueden ser desequilibrado. Esta no es una advertencia - es un mensaje que se construye en el autor de la aov () función. Éste puede aparecer en dos situaciones:
Usted no tiene el mismo número de casos en cada grupo.
No estableció contrastes ortogonales.
Video: Funciones trigonometricas, dominio, rango, seno, coseno, amplitud, periodo, gráfica
En este caso, es la segunda razón.