Šiame straipsnyje aptarsime, kaip rasti standartinį nuokrypį R programavimo kalba . Standartinis nuokrypis R yra verčių sklaidos matas. Jis taip pat gali būti apibrėžtas kaip dispersijos kvadratinė šaknis.
Mėginio standartinio nuokrypio formulė:
kur,
- s = imties standartinis nuokrypis
- N = subjektų skaičius
-
= Esybių vidurkis
= Esybių vidurkisIš esmės yra du skirtingi būdai, kaip apskaičiuoti standartinį nuokrypį R programavimo kalba, abu jie aptariami toliau.
1 būdas: naivus požiūris
Taikydami šį standartinio nuokrypio skaičiavimo metodą, naudosime aukščiau pateiktą standartinę imties standartinio nuokrypio formulę R kalba.
1 pavyzdys:
R
v <->c>(12,24,74,32,14,29,84,56,67,41)> s<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s)> |
>
>
Išvestis:
[1] 25.53886>
2 pavyzdys:
R
v <->c>(1.8,3.7,9.2,4.7,6.1,2.8,6.1,2.2,1.4,7.9)> s<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s)> |
>
>
Išvestis:
[1] 2.676004>
2 būdas: naudokite sd()
Funkcija sd() naudojama standartiniam nuokrypiui grąžinti.
Sintaksė: sd(x, na.rm = FALSE)
Parametrai:
x: skaitmeninis vektorius, matrica arba duomenų frame.na.rm: trūkstamos reikšmės turi būti pašalintos?
Grąžinti: Imties standartinis nuokrypis x.
1 pavyzdys:
R
v <->c>(12,24,74,32,14,29,84,56,67,41)> s<->sd>(v)> print>(s)> |
>
>
Išvestis:
[1] 25.53886>
2 pavyzdys:
duomenų struktūra
R
v <->c>(71,48,98,65,45,27,39,61,50,24,17)> s1<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s1)> s2<->sd>(v)> print>(s2)> |
>
>
Išvestis:
[1] 23.52175>
3 pavyzdys:
R
v <->c>(1.8,3.7,9.2,4.7,6.1,2.8,6.1,2.2,1.4,7.9)> s1<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s1)> s2<->sd>(v)> print>(s2)> |
>
>
Išvestis:
[1] 2.676004>
Apskaičiuokite duomenų rėmelio standartinį nuokrypį:
Standartinį duomenų rėmelio nuokrypį galime apskaičiuoti naudodami abu metodus. galime paimti rainelės duomenų rinkinį ir kiekvienam stulpeliui apskaičiuosime standartinį nuokrypį.
1 pavyzdys:
R
data>(iris)> sd>(iris$Sepal.Length)> sd>(iris$Sepal.Width)> sd>(iris$Petal.Length)> sd>(iris$Petal.Width)> |
>
>
Išvestis:
[1] 0.8280661 [1] 0.4358663 [1] 1.765298 [1] 0.7622377>
Taip pat galime apskaičiuoti standartinį nuokrypį visam duomenų rėmui kartu su taikyti funkcija.
R
# Load the iris dataset> data>(iris)> # Calculate the standard deviation for each column> std_deviation <->apply>(iris[, 1:4], 2, sd)> # Display the standard deviation values> print>(std_deviation)> |
>
>
Išvestis:
Sepal.Length Sepal.Width Petal.Length Petal.Width 0.8280661 0.4358663 1.7652982 0.7622377>
Rainelės duomenų rinkinio 1–4 stulpeliai, kurie yra skaitiniai stulpeliai, kuriuose pateikiami kintamieji matavimai, parenkami naudojant išraišką rainelė[, 1:4] aukščiau pateiktame kode.
Funkcija sd taikoma kiekvienam pasirinkto rainelės duomenų rinkinio pogrupio stulpeliui (pažymėtam 2), naudojant taikymo funkciją. Gautos standartinio nuokrypio reikšmės išsaugomos kiekvieno stulpelio std_deviation vektoryje.