Applied Statistics and Data Mining

この実験テーマでは、RとExcelを使う。

「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。

まずはさらっと、このウェブサイトの

• グラフ
• 散布図
• ヒストグラム
• 層別

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「bank」というデータ・フレームの中の「balance」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bankの中のフィールドbalanceのグラフを描く」には、

graph(bank$balance)

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。

例えば、次のようなコマンドを順に実行すると、グラフの例を作れる。

barplot(bank$y)
plot(bank$balance)
hist(bank$balance)
boxplot(bank$balance)
pie(bank$y)

こんなグラフもある。

pairs(bank)

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。

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。

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

• 折れ線
• ヒストグラム
• 棒グラフ
• 円グラフ
• 箱ひげ図(ボックスプロット)
• 散布図

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。

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、

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", "RcmdrPlugin.EZR"), dependencies = TRUE)

これでうまくいく、かもしれない。

右クリックでコピーして、WordやExcelやPowerPointに貼れる。