Lihtne arvutus
3+2
## [1] 5
Arvude jada
1:10
## [1] 1 2 3 4 5 6 7 8 9 10
Joonis
barplot(1:10)
Kabeandmete uuring
lapsed=read.table("http://www.tlu.ee/~jaagup/andmed/muu/5klasskabe.txt", header=TRUE, sep=",")
lapsed
## eesnimi pikkus mass sugu kabe
## 1 Juku 170 45 m jah
## 2 Kati 160 35 n jah
## 3 Mati 160 72 m natuke
## 4 Madis 165 53 m ei
## 5 Mati 163 60 m ei
## 6 Katrin 165 43 n natuke
## 7 Siim 141 38 m ei
## 8 Martin 159 46 m ei
## 9 Kadri 164 57 n natuke
## 10 Katariina 148 35 n jah
## 11 Maria 143 38 n ei
## 12 Marta 169 55 n ei
## 13 Madis 156 65 m natuke
## 14 Mihkel 165 69 m natuke
## 15 Tiina 170 38 n jah
## 16 Miia 145 68 n ei
## 17 Siim 151 55 m ei
## 18 Priit 156 63 m ei
## 19 Kristjan 164 59 m jah
## 20 Kristi 155 53 n natuke
## 21 Kristiina 158 62 n jah
## 22 Killu 164 49 n ei
## 23 Mart 170 69 m ei
## 24 Kert 143 36 m jah
## 25 Gert 152 67 m ei
## 26 Lauri 156 53 m natuke
## 27 Moonika 164 58 n jah
## 28 Jaanika 165 59 n ei
## 29 Jaanus 164 63 m natuke
## 30 Jaan 162 65 m jah
lapsed$pikkus
## [1] 170 160 160 165 163 165 141 159 164 148 143 169 156 165 170 145 151
## [18] 156 164 155 158 164 170 143 152 156 164 165 164 162
poisid=lapsed[lapsed$sugu=="m", ]
Poiste pikkuste joonis
barplot(poisid$pikkus)
sortpoisid=poisid[order(poisid$pikkus), ]
sortpoisid
## eesnimi pikkus mass sugu kabe
## 7 Siim 141 38 m ei
## 24 Kert 143 36 m jah
## 17 Siim 151 55 m ei
## 25 Gert 152 67 m ei
## 13 Madis 156 65 m natuke
## 18 Priit 156 63 m ei
## 26 Lauri 156 53 m natuke
## 8 Martin 159 46 m ei
## 3 Mati 160 72 m natuke
## 30 Jaan 162 65 m jah
## 5 Mati 163 60 m ei
## 19 Kristjan 164 59 m jah
## 29 Jaanus 164 63 m natuke
## 4 Madis 165 53 m ei
## 14 Mihkel 165 69 m natuke
## 1 Juku 170 45 m jah
## 23 Mart 170 69 m ei
barplot(sortpoisid$pikkus, names.arg=sortpoisid$eesnimi)
barplot(sortpoisid$pikkus, names.arg=sortpoisid$eesnimi, las=2) #las tõstab nimed püsti
#Koostage tüdrukute järjestatud rivi, nii et pikim tüdruk on ees
Kokkuvõtted
table(lapsed$sugu)
##
## m n
## 17 13
pie(table(lapsed$sugu))
pie(table(lapsed$sugu), main="Klassi sooline jaotus")
pie(table(lapsed$sugu), main="Klassi sooline jaotus",
labels=c("poisid", "tüdrukud"), col = c("blue", "pink"))
Suhtarvud
prop.table(table(lapsed$sugu))
##
## m n
## 0.5666667 0.4333333
round(100*prop.table(table(lapsed$sugu)), 1)
##
## m n
## 56.7 43.3
Harjutus:
Leidke, kui palju on uuritavas klassis neid, kes mängivad kabet kindlalt, kui palju ja kui palju üldse mitte.
Väljastage tulemused absoluutarvudena, suhtarvudena ning protsentidena
table(lapsed$kabe) #absoluutarvud
##
## ei jah natuke
## 13 9 8
prop.table(table(lapsed$kabe)) #suhteline osa
##
## ei jah natuke
## 0.4333333 0.3000000 0.2666667
round(100*prop.table(table(lapsed$kabe)), 1) #protsendid
##
## ei jah natuke
## 43.3 30.0 26.7
pie(table(lapsed$kabe), main="Laste kabemänguoskus klassis")
table(lapsed$sugu, lapsed$kabe)
##
## ei jah natuke
## m 8 4 5
## n 5 5 3
barplot(table(lapsed$sugu, lapsed$kabe))
barplot(table(lapsed$sugu, lapsed$kabe), legend=c("m", "n"))
barplot(table(lapsed$sugu, lapsed$kabe), legend=c("m", "n"), beside=TRUE) #tulbad kõrvuti
prop.table(table(lapsed$sugu, lapsed$kabe), 2) #2 - suhtarvud veergude kaupa
##
## ei jah natuke
## m 0.6153846 0.4444444 0.6250000
## n 0.3846154 0.5555556 0.3750000
round(100*prop.table(table(lapsed$sugu, lapsed$kabe), 2), 1)
##
## ei jah natuke
## m 61.5 44.4 62.5
## n 38.5 55.6 37.5
#2 - suhtarvud veergude kaupa kokku 100%
#Selles klassis olev poiss ei mõista 61% tõenäosusega kabet mängida