HVORDAN FINNE STANDARDAVVIK I R?

I denne artikkelen vil vi diskutere hvordan du finner standardavviket i R programmeringsspråk . Standardavvik R er målet for spredningen av verdiene. Det kan også defineres som kvadratroten av variansen.

Formel for prøvestandardavvik:

$s = sqrt{frac{1}{N-1}displaystylesumlimits_{i=1}^N(x_i-overline{x})^2 }$

hvor,

s = prøvestandardavvik
N = Antall enheter
= Gjennomsnitt av enheter

I utgangspunktet er det to forskjellige måter å beregne standardavvik i R-programmeringsspråk, begge er diskutert nedenfor.

Metode 1: Naiv tilnærming

I denne metoden for å beregne standardavviket vil vi bruke standardformelen ovenfor for prøvestandardavviket i R-språk.

Eksempel 1:

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)>

Produksjon:

[1]   25.53886

Eksempel 2:

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)>

Produksjon:

[1] 2.676004

Metode 2: Bruk sd()

Funksjonen sd() brukes til å returnere standardavviket.

Syntaks: sd(x, na.rm = FALSE)

Parametere:

x: en numerisk vektor, matrise eller dataramme.na.rm: manglende verdier fjernes?

Komme tilbake: Eksempelets standardavvik på x.

Eksempel 1:

R

v <-> c> (12,24,74,32,14,29,84,56,67,41)> s <-> sd> (v)> print> (s)>

Produksjon:

[1] 25.53886

Eksempel 2:

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)>

Produksjon:

[1] 23.52175

Eksempel 3:

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)>

Produksjon:

[1] 2.676004

Beregn standardavviket til datarammen:

Vi kan beregne standardavviket til datarammen ved å bruke begge metodene. vi kan ta iris-datasettet og for hver kolonne vil vi beregne standardavviket.

Eksempel 1:

R

data> (iris)> sd> (iris$Sepal.Length)> sd> (iris$Sepal.Width)> sd> (iris$Petal.Length)> sd> (iris$Petal.Width)>

Produksjon:

[1] 0.8280661 [1] 0.4358663 [1] 1.765298 [1] 0.7622377

Vi kan også beregne standardavviket for hele datarammen sammen ved hjelp av applikasjonsfunksjonen.

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)>

Produksjon:

Sepal.Length Sepal.Width Petal.Length Petal.Width 0.8280661 0.4358663 1.7652982 0.7622377

Kolonne 1 til 4 i iris-datasettet, som er de numeriske kolonnene som bærer de variable målingene, er valgt ved å bruke uttrykket iris[, 1:4] i koden ovenfor.

sd-funksjonen brukes på hver kolonne (merket med 2) i det valgte delsettet av iris-datasettet ved å bruke funksjonen. De resulterende standardavviksverdiene lagres i std_deviation-vektoren for hver kolonne.