バイオ・データ・マイニング/Rで相関分析するのバックアップ(No.1)

はじめに †

Rを使って平均，分散，共分散，相関係数を求め，統計的有意性を検定します．

準備 †

Rのインストールについては，次のページを見てください．

最初は，標準で使用できるirisデータセットを使います．

data(iris)

このデータセットは，アヤメの種類（Species）を花びらの長さ（Sepal.Length），幅（Lepal.Width），がくの長さ（Petal.Length），幅（Petal.Width）によって分類する問題です．長さと幅は連続値，種類はsetosa, versicolor, virginicaのいずれかをとる離散値です．

このデータセットには，setosa, versicolor, virginicaという3種類のアヤメについて，それぞれ50個ずつ，合計150個のデータが含まれています．ランダムに10個のデータを選択して，見てみましょう．

iris[sort(sample(1:150,10)),]

↑

ヒストグラム †

まずは，setosaのSepal.Lengthについて，ヒストグラムを表示してみましょう．

Speciesの値がsetosaのデータだけを取り出すには，次のようにします．

> iris[sort(sample(1:150,10)),]
    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
4            4.6         3.1          1.5         0.2     setosa
22           5.1         3.7          1.5         0.4     setosa
65           5.6         2.9          3.6         1.3 versicolor
97           5.7         2.9          4.2         1.3 versicolor
100          5.7         2.8          4.1         1.3 versicolor
108          7.3         2.9          6.3         1.8  virginica
116          6.4         3.2          5.3         2.3  virginica
122          5.6         2.8          4.9         2.0  virginica
136          7.7         3.0          6.1         2.3  virginica
146          6.7         3.0          5.2         2.3  virginica

コンマを忘れないようにしてください．

Speciesの値がsetosaのデータのSepal.Lengthの値（つまり，1列目の値）だけを取り出して，setosa.Petal.Lengthとします．

install.packages("ggplot2")
library(ggplot2)

そこで，これのヒストグラムを表示します．

ヒストグラムを表示するにはhist関数を使います．

ggplot(data=iris, aes(x=Sepal.Length, y=Sepal.Width))+
  geom_point()+
  theme(aspect.ratio=1)

cov(iris$Sepal.Length, iris$Sepal.Width)

↑

平均 †

平均を求めるには，mean関数を使います．

> cov(iris$Sepal.Length, iris$Sepal.Width)
[1] -0.042434

iris[1:50,1]は

この記事はまだ書きかけです．

バイオ・データ・マイニング/Rで相関分析する のバックアップ(No.1)

はじめに †

準備 †

ヒストグラム †

平均 †

バイオ・データ・マイニング/Rで相関分析するのバックアップ(No.1)