Beautiful silence

R에서 Wilcoxon rank-sum test를 수행하는 코드와 작은 오해에 대해서 소개하고자 한다. Wilcoxon rank-sum test는 Mann–Whitney U test와 동등하다. 같은 검정이라고 보면 되겠다. 먼저 검정을 수행해 보기 위해서 다음과 같이 예시 데이터를 만들어 보자. rm(list=ls()) A

R로 시계열 데이터(long form의 시계열 데이터)를 다루다 보면 연도별, 월별 또는 주별 마지막 값으로 데이터를 요약하고 싶을 때가 있다. 그룹별 평균 등으로 요약한다던가 할 때는 자연스럽게 하는데, 마지막 값으로 요약하려면은 익숙치 않은 사람들을 위해 여기에 소개하려고 한다. 먼저 아래와 같이 패키지를 설치하고 예시로 시계열 데이터를 받아보자 (여기서는 나스닥 데이터를 예시로 이용하겠다). rm(list=ls()) packages

종종 두 그룹에서 데이터의 분산이 다른지 검정하고 싶을 수 있다 (궁금증이 많으면 그럴수도 있다. 이해하시라). 몇몇사람들은 t-test에서 등분산을 가정할지 말지 결정하기 위해서 t-test를 수행하기 이전에 variance ratio test를 먼저 수행해 보기도 한다. R로 variance ratio test를 수행해 보기 위해, t-test에서와 마찬가지로 datasets 패키지에 내장되어있는 airquality 데이터를 이용해보자. data(airquality) str(airquality) ## 'data.frame': 153 obs. of 6 variables: ## $ Ozone : int 41 36 12 18 NA 28 23 19 8 NA ... ## $ Solar.R: int 190 11..

R로 t-test를 연습해보기 위해서 아래와 같이 datasets 패키지에 내장되어있는 airquality 데이터를 이용해보자. data(airquality) str(airquality) ## 'data.frame': 153 obs. of 6 variables: ## $ Ozone : int 41 36 12 18 NA 28 23 19 8 NA ... ## $ Solar.R: int 190 118 149 313 NA NA 299 99 19 194 ... ## $ Wind : num 7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ... ## $ Temp : int 67 72 74 62 56 66 65 59 61 69 ... ## $ Month : int 5 5 ..

R을 이용해서 nonlinear least squares 회귀분석 방법을 소개하려고 한다. R에서 nonlinear least squares는 nls라는 패키지를 이용한다. nonlinear least squares는 특정 함수식의 파라메터 추정치를 least squares 방법으로 추정한다. 먼저 다음과 같이 예시 데이터를 만들어 보자. ## 예시 1 rm(list=ls()) set.seed(123) e

데이터 분석을 위해서 R 코드를 작성할 때, 보통 필요한 패키지들에 대한 설치 코드를 먼저 작성한다. 때때로 데이터 분석 코드 중간중간에 패키지나 함수에 대한 코드를 작성하는 사람들도 있는데, 나 같은 경우는 개인적으로 이러한 작성은 선호하지 않고, 코드를 시작할 때 보통 #packages 작성부분 #functions 작성부분을 코드 작성 처음에 두는 편이다. 이후 데이터 분석 코드를 작성하다가 추가로 필요한 패키지나 함수가 있을 경우에, 위에서 작성해둔 해당섹션에 추가하면 된다. 이렇듯 R 코드를 깔끔하면서도 전체코드가 replication 가능하도록 작성하는 습관을 들이는 것을 추천한다. 보통 패키지가 설치되어있지 않은 경우 install.packages("")를 통해 패키지를 설치하고, librar..

R에서 데이터 작업을 하다보면 가끔 numeric class 변수들만 뽑고 싶을 때가 있다 (예를들어 numeric 변수들만으로 구성된 데이터로 만들어서 correlation matrix를 빠르게 보고싶다던지..) 먼저 다음과 같이 예시 데이터를 가져와보자. data(iris) str(iris) ## 'data.frame': 150 obs. of 5 variables: ## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... ## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... ## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5..