Kaarten: Statistiek2 Hf1: Data manipulatie | Quizlet

De data in R: Functie om vectoren aan te maken

<- c(…) vb: > leeftijd <- c(18, 22, 17, 19, 19)

(het pijltje verwijst naar de naamgeving)

Wat is een vector?

een reeks objecten dat als één samengesteld object beschouwd wordt door R

De data in R: Als we enkel de data willen zien van een bepaald individu gebruiken we ...

vierkante haakjes →

[...]

➡Bv: leeftijd [3] zal output 17 geven

De data in R: Gemiddelde

mean

De data in R: Lengte van de vector opvragen

= hoeveel afzonderlijke waarden zitten er in de vector: length (steekproefgrootte)

De data in R: De kleinste waarde van de vector

min

De grootste waarde van de vector

max vb: > max (leeftijd)

[1] 22

Het mediaan van de vector

median vb: > median (leeftijd)

[1] 19

wat is een string

een reeks tekens zonder betekenis voor R (bv: ABC1$, 2018, intrinsieke-motivatie,

...)

Hoe verwarring vermijden wanneer men een reeks tekens ingeeft die niets betekenen voor R (een string)? (2)

- Om verwarring te vermijden moet je een string altijd tussen aanhalingstekens zetten

➡Hierdoor weet R onmiddellijk dat bv variabele roker van ordinaal of nominaal meetniveau is → R weet dat de strings niet-numeriek zijn

- Een andere manier om verwarring te vermijden is door het commando factor te gebruiken

! vb. bij postcode zou R 9000 interpreteren als een getal, maar door aanhalingstekens weet R dat hij het zo niet moet opvatten

Wat is het grote verschil tussen een factor en aanhalingstekens gebruiken bij een string?

aanhalingstekens bij een string: je zegt gewoon aan R: "dit is tekst" (R kan hier niks mee doen)

factor: je zegt aan R: "het gaat om een categorische variabele" (hier kan R wel mee werken)

(vb. als je bij een factor het gemiddelde zou opvragen zou je foutmelding krijgen)

wat moet je doen als je een vector wil aanmaken met waarden van een ordinale variabele?

dan moet je ook het

commando factor gebruiken, maar je gebruikt ook de argumenten levels en ordered

levels

geeft aan hoeveel verschillende waarden er in de vector zijn

Ordered

geeft aan dat de volgorde die je gebruikt de juiste volgorde is

geef een voorbeeld waarbij je de data "uitslag" met drie mogelijke uitkomsten (goud, brons, zilver) in R wilt ingeven

> uitslag <- factor( c("brons", "goud", "goud", "brons", "zilver", "brons", "brons", "brons"), levels = c("brons", "zilver", "goud" ),

ordered =

TRUE)

(ordered: brons < zilver < goud)

wat is het commando data.frame

met het commando data.frame kunnen we tegen R zeggen dat verschillende vectoren bij elkaar horen

(vb. bij 30 studenten 8 variabelen gemeten -> duidelijk maken aan R dat 8 vectoren betrekking hebben op dezelfde 30 studenten)

! data frame is zeer belangrijk, want alle datasets worden in deze vorm weergegeven

maak een data frame aan voor: score, iq, motivatie, geslacht, roken, opleiding, gewicht, lengte

> myData <- data.frame(score, iq, motivatie, geslacht, roken, opleiding, gewicht, lengte)

Wat zal ik krijgen als ik MyData intyp in R?

tabel met alle data van het dataframe Mydata

(R heeft daarbij zelf een extra kolom aangemaakt met een nummer voor elke student)

hoe kan ik een specifieke kolom raadplegen van een dataframe?

Indien je een specifieke kolom van deze tabel wil raadplegen typ je myData gevolgd door $ en de naam van de variabele

vb. = myData$gewicht

commando voor aantal rijen en kolommen weergeven

dim

commando steekproefgrootte

dim(...) [1]

commando voor het Het aantal variabelen

dim(...) [2]

Steekproefgrootte

length (...)

commando voor eerste 6 rijen

head

commando voor laatste 6 rijen

tail

commando gebruikt om data op te slaan

write.csv

vb: > write.csv(myData, file = "myData.csv", row.names = FALSE)

commando gebruikt om data in te lezen

read.csv

vector aanmaken

c( )

hoe ken je een naam toe aan een functie

<-

gemiddelde

mean ( )

lengte van een vector (aantal waarden in een vector)

length ( )

kleinste waarde in een vector

min ( )

grootste waarde in een vector

max ( )

mediaan van de vector

median ( )

vector aanmaken van ordinale variabelen

factor ( c(" "), levels = c (" "), ordered = TRUE)

vector aanmaken van categorische variabelen

factor ( c ( ))

data frame aanmaken

data.frame ( )

aantal rijen en kolommen weergeven

dim ( )

steekproefgrootte

dim ( )[1] OF length (...$... )

aantal variabelen

dim ( ) [2]

eerste 6 rijen data frame weergeven

head ( )

laatste 6 rijen data frame weergeven

tail ( )

data frame opslaan

write.csv ( , file = " ", row.names = FALSE)

data frame lezen

read.csv ( file = " ")

Wat is het codeboek?

Een document dat beschrijft hoe gegevens in een databestand gecodeerd worden. Is handig voor zowel de onderzoeker, als voor externe lezers. We kunnen het zien als een soort handleiding dat we verplicht dienen op te stellen tijdens het onderzoek.

Wat is missing data?

Een ontbrekend antwoord in de dataset. (vb. antwoord niet leesbaar, testbatterij plat, participant weigerde te antwoorden etc.)

Hoe kunnen we missing data aanduiden in R?

NA (= Not Available)

Wat zijn conditionele vragen? Wat is hierbij bijzonder nuttig?

"zo ja, volgende vraag - zo nee, geen volgende vraag"

! waarde NVT of "niet van toepassing" van belang hierbij