Introduction to R ปราณี นิลกรณ์

R คืออะไร? R เป็นภาษาและโปรแกรมสำเร็จรูปสำหรับการ คำนวณทางสถิติและสร้างกราฟประเภทให้เปล่า ( free open source package ) ที่พัฒนาขึ้นมาจาก ภาษา S ( S language, Bell Labs) โดย Robert Gentleman และ Ross Ihaka แห่งUniversity of Auckland, New Zealandเมื่อปี 2538 เหมาะทั้งสำหรับการเขียนโปรแกรมเอง และใช้แบบ โปรแกรมสำเร็จรูป มีฟังก์ชันทางสถิติให้เรียกใช้มากมาย และมีผู้พัฒนา เพิ่มอย่างต่อเนื่อง

R คืออะไร? ข้อมูลทุกอย่างเกี่ยวกับ R หาอ่านได้จาก http://www.R-project.org R system ประกอบด้วย 2 ส่วนหลัก คือ Base system – ประกอบด้วย R language software และส่วนเพิ่มเติมอื่นๆที่มีความ จำเป็นต้องใช้บ่อยๆ User contributed add-on packages

การใช้ R จะหาโปรแกรม R ได้จากไหน? ไป download ได้ที่ www.r-project.org หรือที่ http://CRAN.R-project.org โดยเลือกลงโปรแกรมพื้นฐาน ( Base Package) ถ้าต้องการใช้แบบเมนู จะต้องติดตั้ง โปรแกรม Rcmdr เพิ่มเติม

ความสามารถของ Base Package การจัดการข้อมูลและหน่วยความจำ การคำนวณในรูป Array และ Matrix การวิเคราะห์ข้อมูลทางสถิติ การสร้างกราฟ การเขียนโปรแกรม

โปรแกรม R RGui ( Gui – Graphical user interface) ประกอบด้วย วินโดวส์ R Console สำหรับเขียนคำสั่งและแสดงผล ลัพธ์ วินโดวส์ R Graph สำหรับแสดงกราฟ Script Windows สำหรับเขียน แก้ไขคำสั่ง โปรแกรม

The R GUI

Open script

R Graph Windows

R และ สถิติ R มี Packages ทีมีผู้สร้างสำหรับการคำนวณและการวิเคราะห์ ข้อมูลทางสถิติ ซึ่งเราสามารถ ดาวน์โหลดมาใช้ได้อย่างสะดวก และรวดเร็ว มีผู้พัฒนา packages สำหรับเทคนิคการวิเคราะห์ใหม่ๆนอกจาก วิธีทางสถิติแบบเดิม เช่น data/text mining นักสถิติที่วิจัยและพัฒนาวิธีการทางสถิติใหม่ๆ นิยมเขียนวิธีการเป็น R packages

การทำงานของ R โดยทั่วไป พิมพ์คำสั่ง R ตามที่ต้องการ ใน command line interface หรือ โหลดไฟล์ที่มีคำสั่ง R อยู่แล้ว(Script file) มา run ช้า แต่มีข้อดี คือ เป็นการบันทึกขั้นตอนการวิเคราะห์ข้อมูล เก็บไว้เป็นไฟล์สำหรับงานแต่ละงานได้ เวลาพบความผิดพลาด ทราบได้ว่าผิดพลาดขั้นตอนไหน ถ้าการวิเคราะห์ต้องทำหลายขั้นตอน สามารถนำคำสั่งมา run ซ้ำใหม่ได้โดยไม่ต้อง click ใหม่ซ้ำ ๆ

Getting help >? t.test or >help(t.test)

R Advantages Disadvantages Fast and free. State of the art: Statistical researchers provide their methods as R packages. SPSS and SAS are years behind R! 2nd only to MATLAB for graphics. Mx, WinBugs, and other programs use or will use R. Active user community Excellent for simulation, programming, computer intensive analyses, etc. Forces you to think about your analysis. Interfaces with database storage software (SQL) Not user friendly @ start - steep learning curve, minimal GUI. No commercial support; figuring out correct methods or how to use a function on your own can be frustrating. Easy to make mistakes and not know. Working with large datasets is limited by RAM Data prep & cleaning can be messier & more mistake prone in R vs. SPSS or SAS Some users complain about hostility on the R listserve

R Commercial packages Many different datasets (and other “objects”) available at same time Datasets can be of any dimension Functions can be modified Experience is interactive-you program until you get exactly what you want One stop shopping - almost every analytical tool you can think of is available R is free and will continue to exist. Nothing can make it go away, its price will never increase. One datasets available at a given time Datasets are rectangular Functions are proprietary Experience is passive-you choose an analysis and they give you everything they think you need Tend to be have limited scope, forcing you to learn additional programs; extra options cost more and/or require you to learn a different language (e.g., SPSS Macros) They cost money. There is no guarantee they will continue to exist, but if they do, you can bet that their prices will always increase

ตัวอย่างประเภทข้อมูลและการเขียนคำสั่งใน R >Variables > a = 49 > sqrt(a) [1] 7 > a = "The dog ate my homework" > sub("dog","cat",a) [1] "The cat ate my homework“ > a = (1+1==3) > a [1] FALSE numeric character string logical

เวกเตอร์ > a = c(7,5,1) > a[2] [1] 5 ลิสต์: an ordered collection of data of arbitrary types. > doe = list(name="john",age=28,married=F) > doe$name [1] "john“ > doe$age [1] 28

Data frames data frame: is supposed to represent the typical data table that researchers come up with – like a spreadsheet. It is a rectangular table with rows and columns; data within each column has the same type (e.g. number, text, logical), but different columns may have different types. Example: localisation tumorsize progress XX348 proximal 6.3 FALSE XX234 distal 8.0 TRUE XX987 proximal 10.0 FALSE

R as a simple calculator > x<-c(1,3,2,10,5); y<-1:5 # creation of 2 vectors x [1]  1  3  2 10 5 > x+y [1]  2  5  5 14 10 > x*y [1]  1  6  6 40 25 > x/y [1] 1.0000000 1.5000000 0.6666667 2.5000000 1.0000000 > x^y [1]     1     9     8 10000  3125 > sum(x)            #sum of elements in x [1] 21 > cumsum(x)         #cumulative sum vector [1]  1  4  6 16 21

Basic math/stat tools # 20 numbers from 0 to 20, > x = round(runif(20,0,20), digits=1) > x [1] 10.0 1.6 2.5 15.2 3.1 12.6 19.4 6.1 [9] 9.2 10.9 9.5 14.1 14.3 14.3 12.8 [16] 15.9 0.1 13.1 8.5 8.7 > min(x) [1] 0.1 > max(x) [1] 19.4 > median(x) # médiane [1] 10.45 > mean(x) # moyenne [1] 10.095 > var(x) # variance [1] 27.43734 > sd(x) # standard deviation [1] 5.238067 > sqrt(var(x)) > length(x) [1] 20 > round(x) [1] 10 2 2 15 3 13 19 6 9 11 10 14 14 14 13 16 0 13 8 9 > cor(x,sin(x/20)) # corrélation [1] 0.997286 > quantile(x) # les quantiles, 0% 25% 50% 75% 100% 0.10 7.90 10.45 14.15 19.40

Statistical tools Samples tests Checking normality Kolmogorov-Smirnov test > #generate 500 observations from uniform (0,1) distribution > F500<-runif(500);a<-c(mean(F500),sd(F500)) > qqnorm(F500)    #normal probability plot > qqline(F500)    #ideal sample will fall near the straight line >ks.test(F500, "pnorm", mean=a[1], sd=a[2])         One-sample Kolmogorov-Smirnov test data:  F500 D = 0.0655, p-value = 0.02742 alternative hypothesis: two.sided