mselab:2014:stat:week1:r1:prep

実験環境

この実験テーマでは、RとExcelを使う。

R

「統計工学」ではRという言語をデータ解析用の環境として用いる。Rは言うなれば、データ解析用の電卓である。次のような特徴があり、理系における統計教育用の環境に適している。

短いコマンドで様々な集計ができる
簡単にグラフが描ける
コマンド入力に不自由を感じる人は、数値や集計結果をExcelに持って行くことができる。
無料なので自分のコンピュータにインストールできて、いつでもどこでも、作業のやり直しや追加ができる(実施に場所と時間を選ばないは結構大事)
コンパイル不要のプログラミング言語(インタプリタ環境)

多少のコマンドを打つ必要があるが、多くのことは紹介したコマンドのバリエーション(変数名を変える程度)で済むので、慣れてくれるといいと思う。

Rのデータ格納

Rのデータ型は基本的には次の通りである。

文字列(characters): “abcdefg”
論理(logical): TRUE/FALSE
数値(numeric): 1.53
因子(factor)

またそれらのデータ型を格納するためのオブジェクトには、次元に応じては幾つかの種類がある。

スカラー変数(scalar):0次元配列
ベクトル(vector):1次元配列
行列(matrix):2次元配列
配列(array):一般の配列(3次元以上も可)
リスト(list):複数のオブジェクトを格納できるオブジェクト
データ・フレーム(data.frame):多くの関数で採用されているフィールドごとのレコード数が共通の2次元配列

同じ2次元配列でも、行列オブジェクトは数値しか格納できず、データ・フレームは上のすべてのデータ型のフィールドが混在していても構わない。

今週は様々なデータ型のフィールドからなるひとつのデータ・フレームのみを扱う。

今週のExcel

データを解析する前の状況の把握にExcelを用いる。徐々にExcelからRに切り替えていく。

今週のR

まず

まずはさらっと、このウェブサイトの

に目を通すこと。それぞれをRで実行する関数を、次で説明する。

Rでグラフを描く

Rでは様々なグラフを描くことができる。グラフ描画に用いる関数を例えば「graph()」とし、グラフを描きたいオブジェクトを「data」というデータ・フレームの中の「y」というフィールド(変数)とする。この時「関数graphでデータフレームdataの中のフィールドyのグラフを描く」には、

graph(data$y)

というコマンドをRに入力し、実行させる。

グラフ描画に用いる関数には次のようなものがある。

関数名	描くグラフ	データ・フレームの指定とモデル式の利用	データフレームの描画
barplot	棒グラフ
plot	散布図、折れ線グラフ	OK
hist	ヒストグラム
boxplot	箱ひげ図	OK
pie	円グラフ
mosaicplot	分割表(クロス集計)の図示
pairs	散布図行列		OK
image	2次元配列の濃淡表示
persp	2次元配列の3次元グラフ
contour	2次元配列の等高線での図示

barplot(data$y)
plot(data$y)
hist(data$y)
boxplot(data$y)
pie(data$y)

pairs(data)

Rで集計する

各フィールドの集計方法は、フィールドのデータ型によって異なる。

関数	できること	得意なデータ型	苦手なデータ型	メモ
mean	平均の計算	数値	文字、因子、論理	変換してから平均を計算させることもできる
var	分散の計算	数値	文字、因子、論理	変換してから分散を計算させることもできる
sqrt	平方根の計算	数値	文字、因子、論理	分散の平方根は標準偏差
summary	四分位(小さい方から25%、50%、75%の値)、最大最小、平均	なんでも

フィールドの組み合わせは、連続な数値どうしなら散布図を用いるのがいい。離散の数値(とびとびの値しかとらない)や因子、少ないバリエーションの文字列のみなら、table関数を用いると、クロス集計をしてくれる。

関数	できること	得意なデータ型	苦手なデータ型	メモ
cov	共分散の計算	数値	文字列、因子、論理
cor	相関係数の計算	数値	文字列、因子、論理
table	クロス集計	数値(離散)、文字列、論理、因子	数値(連続)

今週用いる関数

今週は、

summary
boxplot
hist
plot
table

などの関数を用いて、問題に取り組む準備をする。困ったら、竹澤先生のメモの中の

高水準作図関数

や、逆瀬川先生のRのページの中の

Rのグラフィックス

や、バイオスタティスティックスの

などを参照するといい。

RjpWikiはもっと情報量があるが、欲しい情報に到達するのに検索力を問われるほど、大きくなってしまっている。

今年度のテーマ

実際のデータをPPDACサイクルに沿って解析してみる。

まずはPPDまで
次はPPDAまで
最後にPPDACまで

前説明

PPDACとは

本説明

今回のデータ。

使えないと困るものは次の3つ。

インターネットとインターネットブラウザ
R
Excel

経営情報学実験室はインターネットに直接は接続されていない。学外のウェブサイトを利用するには、

プロキシサーバ	130.153.8.16, 130.153.8.17, 130.153.8.18, 130.153.8.19のいずれか
ポート	8080
ユーザ認証	なし
プロキシを経由せず直接に接続する先(Firefox)	130.153.0.0/16, 172.21.0.0/16, 182.168.0.0/16, 127.0.0.1/8, localhost

をブラウザに教える必要がある。

Rはインストール済みだが、自宅ではR Projectもしくは近所のミラーサイトからダウンロードしてインストールできる。Excelは別に、Microsoft Office OnlineでもGoogle DriveでもApple iWork Onlineでも構わない。

Rに加えて、使えると便利なものは次の3つのいずれか、または全て。少なくともRコマンダーかEZRは、Rに慣れないうちはかなり便利に感じるはずで、それらがあれば実験に必要な作業は、マウスやメニューの操作でかなり進めることができる。

RStudioはR専用のIDEで、Matlabのようなインタフェースを持っている。RStudioはRと通信しながら動作する。
R CommanderはRの機能をメニューで提供する、Rの上で動作するパッケージ。荒木先生が日本語化をされていて、Rコマンダー入門の翻訳もされている。(金先生のRコマンダーの解説、http://monge.tec.fukuoka-u.ac.jp/r_analysis/0r_analysis.html|梶山先生のＲコマンダー「Rcmdr パッケージ」の追加インストール、RjpWikiのRcmdrの機能、竹内先生のRコマンダーの使い方、長島先生のRコマンダーを用いた統計解析などが参考になる)
EZRもRの機能をメニューで提供する、Rで動作するパッケージ。

開発が進行中のソフトウェアの宿命で、Rのバージョンが変わったり、それぞれが依存しているパッケージのバージョンが変わったりすると、それに応じて挙動が変わることがある。こちらですべてのパッケージのバージョンの組み合わせをサポートするのは困難なので、紹介だけに留める。(以前に、日本語化されたRコマンダーを用いていたが、R本体や依存するパッケージのためにうまく日本語が表示されないなどのトラブルがあった。)

Rに追加パッケージをインストールするには、このページを参考に、Rにプロキシを教える必要がある場合もある。この大学では130.153.8.16, 130.153.8.17, 130.153.8.18, 130.153.8.19の4台が負荷を分散しながら、全学のプロキシサーバを担っているので、それらのうちのいずれかを指定して、次のようにパッケージをインストールすることができる。

Sys.setenv("http_proxy"="http://130.153.8.19:8080/")
install.packages(c("Rcmdr", "EZR"), dependencies = TRUE)

これでうまくいく、かもしれない。

目次