1 主成分分析 2 内容  主成分分析  主成分分析について  成績データの解析  「R」 で主成分分析  相関行列による主成分分析  寄与率・累積寄与率  因子負荷量  主成分得点 3 主成分分析 4 次元の縮小と主成分分析  次元の縮小に関する手法  次元の縮小  国語、数学、理科、社会、英語の総合点 ⇒５次元データから１次元データへの縮約  体形評価 : BMI (Body Mass Index) 判定 肥満度の判定方法の１つで、次の式で得られる。 ⇒ ２次元データを１次元データに縮約 主成分分析 5 主成分分析とは  主成分分析  多次元データのもつ情報をできるだけ損わずに 低次元空間に情報を縮約する方法  多次元データを２次元・３次元データに縮約できれば、 データ全体の雰囲気を視覚化することができる。 視覚化により、データが持つ情報を解釈しやすくなる

タイムゾーンについて R 3.5.0/3.5.1 (Windows/Mac) で as.POSIXct("1948-05-02") がエラーになる： as.POSIXct("1948-05-01") [1] "1948-05-01 JST" as.POSIXct("1948-05-02") as.POSIXlt.character(x, tz, ...) でエラー: 文字列は標準的な曖昧さのない書式にはなっていません as.POSIXct("1948-05-03") [1] "1948-05-03 JDT" 原因はどうやら日本でも1948年〜1951年にあった夏時間（JDT）のためらしい。"1948-05-02" は "1948-05-02 00:00:00" と解釈されて，夏時間を考慮すれば存在しない時刻になるのだろう。ただ，同じコードでもLinux上ではエラーにならない： as.POS

plotで散布図が一枚書けたというレベルから， 使える図を作るレベルへと進むには 描画を制御するパラメータを適切に設定できる 描画関数を何度も呼び出して重ね描きができる ことがポイントになります． このページでは，まずはパラメータの設定について説明します． とくに，文字のサイズやシンボルのサイズを自由に制御する方法を解説します． 続いて，高水準関数を何度も呼び出したり，高水準関数と低水準関数を 組み合わせたりして重ね描きするときの注意点を説明します． この場合は，座標系の設定の理解が重要になります． これらを理解すれば，プログラムで作図することもおっくうでなくなるでしょう． なお，グラフ描きのためのさまざまなワザを網羅的に紹介することはしません． 実用的な見栄えの，ごくふつうのグラフを描くための基礎に限って紹介します． もっと凝ったことがやりたくなったら，自分で調べてみてください． なお，

R でプログラミング：データの一括処理とグラフ描き started on 2005-06-06 updated on 2017-09-16 竹中明夫 この文書は，フリーの統計解析・作図システム R を使って， データの一括処理と図化のプログラムを書けるようになるためのチュートリアルです． R の経験がまったくなくても読めるように書いています． ただし統計解析手法そのものについての解説はほとんどしていません． ひとつ覚えた統計解析用の関数を使って、 数十セットのデータを一度に処理しりたいとか、 ついでに自動的に作図してしまいたいとか、 統計解析の前にデータを一通りグラフにして全体像を見たいとか、 解析・作図の手順をプログラムとして書きとめ、 再利用できるようにしたいといった要望に応えるための文書です。 まずは はじめに：この文書のねらい をごらんください。 終りにでも、この文書の守備範囲に触

こちらのブログには認証がかかっています。 ユーザー名 パスワード Powered by Seesaa

R でプログラミング：データの一括処理とグラフ描き 11. データファイルの順次処理：ファイル名のいろいろな決め方 まずは前の章の復習です．いくつものデータファイルを読んで処理する場合の基本的な 流れは， for (...）{ # ファイルごとの繰り返し ファイル名を設定する． ファイルの内容を読み込む． 読み込んだデータを使ってなんらかの処理をする． } とうものでした．前の章では，読み込むデータファイルの名前を プログラム中に書き並べるという素朴な方法をためしてみました． この章では，ほかの方法を紹介します． ファイル名を規則的に生成する ファイル名が規則的についているなら，プログラムのなかで生成することができます． こういうプログラムが書きやすいように，データファイルを作る段階からファイル名に 工夫をしておくとよいでしょう． プログラム中でのファイル名生成には， sprintf が活

「Rによる統計解析」 オーム社 刊 サポートページ 目次 第1章　Rを使ってみる 第2章　データの取り扱い方 第3章　一変量統計 第4章　二変量統計 第5章　検定と推定 第6章　多変量解析 第7章　統合化された関数を利用する 第8章　データ分析の例 付録A　Rの解説 付録B　Rの参考図書など はじめに R とは何か，何ができるかのリンク集（日本のもののみ） R を使うためにはどうしたらいいの？ データなどの読み書き R の定石（R に限らずプログラミングの定石も） R を使って実際に統計解析をする AtoZ 一連の流れ データファイルの準備をする 分析してみる 分析結果を LaTeX で処理したり，ワープロに貼り込んだりする 道具立て 連続変数データをカテゴリーデータに変換 カテゴリーデータの再カテゴリー化 度数分布表と度数分布図の作成 散布図・箱髭図の描画 クロス集計（独立性の検定，フィ

x と y を併合（マージ）する．通常は引数に all=T を指定し，データを全て残す．all=T を指定しなければデータの共通部分が結果として返される． id <- c("A","C","E") height <- c(158,177,166) D1 <- data.frame(ID=id, H=height) id <- c("A","B","D","E") weight <- c( 51, 55, 57, 55) D2 <- data.frame(ID=id, W=weight)

...

mydouble <- function(x) 2*x mydouble <- function(x) { return( 2*x ) # 上と同じ関数定義 } mydouble(2) [1] 4 新しい演算子の定義 新しい演算子を定義することも出来る．以下では R には用意されていないインクリメント演算子 %+=% ，%-=% を定義している．以下に示した通り，新しく作成した演算子を定義する場合は演算子を ”” で囲まなければならない． "%+=%" <- function(x, y) x <<- x + y "%-=%" <- function(x, y) x <<- x - y x <- 1; (x %+=% 2) [1] 3 (x %-=% 3) [1] 0 関数の返す値（返り値） R では手続きも関数もそれぞれ「関数」と呼ぶのだが，本来の関数として用いるのならば返す値を明示的に指