Zadania 7a, Studia, Stopień 2 Semestr I, Statystyczne systemy informatyczne w AD, rozw R
[ Pobierz całość w formacie PDF ]
#ZAD1adane = read.csv2("Raty.csv")attach(dane)plot(Dochody, Wydatek, pch= c(4,16)[Raty], col=c("red","green")[Raty], lwd=2)points(Dochody[Raty=="T"],Wydatek[Raty=="T"])reg1 = lm(Wydatek~Dochody+Raty)summary(reg1)ndane = data.frame(Dochody= seq(min(Dochody), max(Dochody)), Raty=c("N", "N"))lines(ndane$Dochody, predict(reg1, ndane), lwd = 2, col = "red")ndane$Raty=c("T","T")lines(ndane$Dochody, predict(reg1, ndane), lwd = 2, col = "green")reg2=lm(Wydatek~Dochody)lines(ndane$Dochody, predict(reg2, ndane), lwd = 2, col = "blue")reg3N= lm(Wydatek[Raty=="N"]~Dochody[Raty=="N"])summary(reg3N)reg3T= lm(Wydatek[Raty=="T"]~Dochody[Raty=="T"])summary(reg3T)plot(Dochody, Wydatek, pch= c(4,16)[Raty], col=c("red","green")[Raty], lwd=2)points(Dochody[Raty=="T"],Wydatek[Raty=="T"])ndane$Raty=c("N","N")lines(ndane$Dochody, predict(reg3N, ndane), lwd = 2, col = "red")ndane$Raty=c("T","T")lines(ndane$Dochody, predict(reg3T, ndane), lwd = 2, col = "green")detach(dane)#ZAD1bdane=read.csv2("raty.csv")attach(dane)wydatek=Wydatekdochody=Dochodywiek=Wiekraty=Ratydetach(dane)reg3=lm(wydatek~dochody+wiek)reg3summary(reg3)(min(dochody))(max(dochody))(min(wiek))(max(wiek))(mv=seq(1000, 4200,by=450))(ov=seq(21,60))#funkcja regresjif=function(x,y)reg3$coef[1]+x*reg3$coef[2]+y*reg3$coef[3]#macierz wartosci funkcji regresji:dv=outer(mv,ov,f)wykres=persp(x=mv, y=ov, z=dv, xlab="dochody", ylab="wiek", zlab="wydatek",ticktype="detailed",theta=36,phi=28)points(trans3d(dochody, wiek, wydatek, wykres), col="red", lwd = 2, pch = 20)#nanosimy dane empiryczne:#oraz kreski empiryczne wyznaczajace polozenie punktow wzgledem =plaszczyzny regresji:segments(trans3d(dochody, wiek, wydatek, wykres)$x,trans3d(dochody, wiek, wydatek, wykres)$y,trans3d(dochody, wiek, predict(reg3), wykres)$x,trans3d(dochody, wiek, predict(reg3), wykres)$y)#ZAD2raty = read.csv2("Raty.csv")attach(raty)#dla wygody (wykresy) przekształćmy zmienną Raty na wartości 0 i 1.(raty01 = c(Raty) - 1)#regresja logistyczna - od wydatkuregl1 = glm(raty01 ~ Wiek, family = "binomial")summary(regl1)plot(Wiek, raty01)#wykres linii regresjix = seq(min(Wiek), max(Wiek), length = 300)ndane = data.frame(Wiek = x)lines(x, 1/(1+exp(-predict(regl1, ndane))), lwd = 2, col = "red")detach(raty) [ Pobierz całość w formacie PDF ]