Strona blogu

Obraz Bartosz Paśnik
Napisane przez: Bartosz Paśnik ( piątek, 21 kwiecień 2017, 11:40 )
Wpis widoczny dla wszystkich na świecie

# ZAD 4.1.3

#sprawdzenie czy PKP to szereg czasowy
is.ts(pkb)
pkb
is.ts(PKP)
#zmiana danych w szereg czasowy
Liczba.P<-ts(PKP$Liczba,start=c(2010,1),frequency=12)
is.ts(Liczba.P)
Liczba.P
#wykres
plot(Liczba.P)

# 1

#model addytywny = funkcja trendu + funkcja wahań + błąd
#model multiplikatywny = funkcja trendu * funkcja wahań * błąd

#model addytywny
model.a=decompose(Liczba.P,type="additive")
names(model.a)
plot(model.a)

#model multiplikatywny
model.m=decompose(Liczba.P,type="multiplicative")
names(model.m)
plot(model.m)

par(mfrow=c(2,1))
plot(model.a$random)
plot(model.m$random)
par(mfrow=c(1,1))

#błąd modelu a/ błąd model m
mean(na.omit(model.a$random^2))
mean(na.omit(model.m$random^2))

data.frame(Mies=c(1:12),A=model.a$seasonal[1:12],M=model.m$seasonal[1:12])

mean(na.omit(((model.m$random-1)*model.m$trend)^2))

#-> wybrać model z mniejszym błędem

# 2

wsp.sez.=round(model.m$figure,4)
names(wsp.sez.)=c(1:12)
barplot((wsp.sez.-1)*100)

model.m$figure

# 3 prognoza

model.w.m=HoltWinters(Liczba.P,seasonal="multiplicative")
model.w.a=HoltWinters(Liczba.P,seasonal="additive")
names(model.w)
# błąd = SSE

c(model.w.m$SSE<model.w.a$SSE)

predict(model.w.m,10)

# lub
# z uwzględnieniem błędu:

predict(model.w.m,10,prediction.interval=TRUE)

plot(predict(model.w.m,10,prediction.interval=TRUE))


Zad

P=c(8,14,18,8,16,24,31,11,23,33,42,17,31,45,55,19,38,53,63,22,61)
is.ts(P)
Liczba.K<-ts(P,start=c(2009,1),frequency=4)
is.ts(Liczba.K)
plot(Liczba.K)

model.x=decompose(Liczba.K,type="additive")
model.z=decompose(Liczba.K,type="multiplicative")

mean(na.omit(model.x$random^2))
mean(na.omit(((model.z$random-1)*model.z$trend)^2))
???

[ Zmodyfikowano: piątek, 21 kwiecień 2017, 11:40 ]
 
Obraz Bartosz Paśnik
Napisane przez: Bartosz Paśnik ( piątek, 31 marzec 2017, 11:36 )
Wpis widoczny dla wszystkich na świecie

Zad 3.1.2

 

Run

 

1.

 

library(datasets)

A=ftable(Titanic, row.vars = 1,

         col.vars = "Survived")

data()

A

 

3.

 

#=4, m=2 minimum(3,1)

N = sum (A)

chi2 = chisq.test(A)$statistic

chi2

 

#wspolczynnik cramera

sqrt(chi2/(N*1))

sqrt                         

 

#szanse na przezycie

barplot(A[,2]/rowSums(A),

        names.arg=c("1st", "2nd", "3rd", "Crew"),

        main="Szansa przezycia")

A[,2]

rowSums(A)

A[,2]/rowSums(A)

 

4. bez zalogi

 

A=ftable(Titanic, row.vars = 1,

            col.vars = "Survived")

A[1:3,]

N = sum(A)

chi2 = chisq.test(A)$statistics

sqrt(chi2/(N*1))

 

Console

 

2.

 

> library(datasets)
> A=ftable(Titanic, row.vars = 1, col.vars = "Survived")
> col.vars = "Surivived"
> data()
> A
Survived  No Yes
Class                 
1st            122 203
2nd            167 118
3rd            528 178
Crew           673 212
> 
> rowSums(A)
[1] 325 285 706 885
> (rowSums(A)/sum(A))
[1] 0.1476602 0.1294866 0.3207633 0.4020900
> barplot(rowSums(A)/sum(A))
> colSums(A)
[1] 1490  711
> colSums(A)/sum(A)
[1] 0.676965 0.323035

> barplot(colSums(A)/sum(A))

 

 

 

V cramer dla […]

 

wm=c(50,40,10)

ws=c(62,45,8)

wd=c(31,24,30)

wbd=c(5,11,40)

 

A=rbind(wm,ws,wd,wbd)

A

 

chi2=chisq.test(A)$statistics

sqrt(chi2/(N*2))

 

bmi/osoby – wsp pearsona I wsp spearmana

 

wzrost=c(180,177,185,183,167,184,186,180,163,172,161,168)

BMI=c(18.5,22.7,20.7,23.2,20.4,28.9,21.9,18.9,21.4,19.6,21.6,19.5)

 

plot(wzrost,BMI)

 

wsp.P=cor(wzrost,BMI, method="pearson")

wsp.S=cor(wzrost,BMI, method="spearman")

c(wsp.P, wsp.S)

 

# liniowy wykres – stosujemy Pearson

# nieliniowy - stosujemy Spearman

 

fum=lm(BMI~wzrost)

abline(fum)

 

### ????

 

fum.p=lm(log(BMI)~log(wzrost))

curve(exp(-0.1625)*x^0.6236,from=160,to=195,add=T)

 

predict(fum,newdata=data.frame(wzrost=168))

 

fum.k=lm(BMI~wzrost+I(wzrost&2))

predict(fum.k,niewdata=data.frame(wzrost=168))

 
Marian Rusek
Napisane przez: Marian Rusek ( niedziela, 3 maj 2009, 12:49 )
Wpis widoczny dla wszystkich na świecie
Dzisiaj nauczymy się jak zrobić prosty pojazd poruszający się dzięki zjawisku antygrawitacji. Będziemy potrzebowali
  1. kota
  2. chleba
  3. masła
  4. kleju lub sznurka
Wykonanie pojazdu jest proste. Trzeba
  1. ukroić kromkę chleba
  2. posmarować ją z jednej strony masłem
  3. z drugiej strony klejem (uwaga - nie może to być klej na bazie masła)
  4. złapać kota
  5. przykleić mu na grzbiecie kromkę masłem do góry
Pojazd jest gotowy! Chwytamy kota np. za ogon i w drogę!

Jeszcze nie wiesz dlaczego to działa? Dowód opiera się na następujących aksjomatach:
  1. kot zawsze spada na cztery łapy
  2. kromka posmarowana masłem zawsze spada masłem do dołu
Zatem kot z przyczepioną kromką nie może upaść, gdyż pogwałcona zostałaby zasada 1 lub 2. Bojaźliwi mogą przyczepić mu dodatkowe kromki po bokach, oraz z przodu i z tyłu.

Oczywiście kot jest tutaj niezbędny - nie wystarczy samych 6 kromek z masłem. Dlaczego?

[ Zmodyfikowano: czwartek, 4 luty 2010, 20:48 ]