ทดสอบการอัพ

1. UK QUARTERLY GAS CONSUMPTION
จัดทำโดย
นำย กิตติพศ อำสำพิทักท์ชำติ รหัส 57010093
นำย ชัยชนะ สีทัด รหัส 57010093
รหัสวิชำ 1076253 : ควำมน่ำจะเป็นและสถิติ (PROBABILITY AND STATISTICS) ภำคเรียนที่ 2 ปี 2558
สำขำวิชำคอมพิวเตอร์ คณะวิศวกรรมศำสตร์ สถำบันเทคโนโลยีพระจอมเกล้ำเจ้ำคุณทหำรลำดกระบัง
Link: https://vincentarelbundock.github.io/Rdatasets/csv/datasets/UKgas.csv
https://vincentarelbundock.github.io/Rdatasets/doc/datasets/UKgas.html

2. สำรบัญ
หัวเรื่อง สไลด์ที่
• ข้อมูลตัวอย่ำง 4
• ขั้นตอนกำรหำค่ำทำงสถิติแบบง่ำย โดยใช้โปรแกรม RStudio 5
• วิธีกำรเตรียมข้อมูล พร้อมภำพประกอบ 6
• กำรเรียกใช้ฟังชั่นต่ำงๆในทำงสถิติ 7
• วิธีกำรสร้ำงกรำฟ 9
• กรำฟต่ำงๆของตัวแปร UK GAS 11
• กรำฟต่ำงๆของตัวแปร Time 20
• สรุปผล 29

3. ข้อมูล : UK QUARTERLY GAS CONSUMPTION

4. ข้อมูลตัวอย่ำง
จำนวนข้อมูล
Time : เป็นเวลาที่ใช้ในการทาการสารวจในปี 1960 ถึง 1986 *แบ่งเป็นไตรมาตร
UK Gas : เป็นปริมาณแก็สในปีที่สารวจแบ่งเป็นไตรมาตรต่างๆ
ชื่อข้อมูล : UK Quarterly Gas Consumption
รายละเอียดข้อมูล : ไตรมาตร ปริมาณการใช้ก๊าซของสหราชอาณาจักรในปี 1960 ไตรมาตรที่ 1 ถึง 1986 ไตรมาตร 4

5. ขั้นตอนกำรหำค่ำทำงสถิติแบบง่ำย โดยใช้โปรแกรม RSTUDIO
1. เปิดใช้งานโปรแกรม RStudio
2. พิมพ์คาสั่งที่เราต้องการ เพื่อใช้ฟังชั่นของโปรแกรม R เพื่อหาค่าทางสถิติ เช่น hist() , summary()
3. ใช้คาสั่งจาก library ggplot2 เพื่อใช้ฟังชั่นเสริมของโปรแกรม R ในการวาดกราฟชนิดต่างๆ

6. วิธีกำรเตรียมข้อมูล พร้อมภำพประกอบ
1. เปิดโปรแกรม Rstudio ขึ้นมา
2. จากนั้นใช้คาสั่ง getwd() เพื่อให้เราทราบ file directory ของโปรแกรม R จากนั้นนาไฟล์ข้อมูล
(.csv) ไปไว้ใน file directory ดังกล่าว จากนั้นใช้คาสั่ง data <- read.csv(“ชื่อไฟล์”) เพื่อ
นาข้อมูลเข้ามาใช้

7. กำรเรียกใช้ฟังชั่นต่ำงๆในทำงสถิติ
1. ขั้นแรกเราต้องเตรียมข้อมูล โดยใช้คาสั่ง data <- read.csv(“ชื่อ
ไฟล์”) เพื่อที่เราจะได้สามารถนาข้อมูลมาใช้งานได้ โดยข้อมูลนั้นจะถูกเก็บอยู่ใน
ตัวแปรในโปรแกรม R
3. หาค่าเฉลี่ยจากคาสั่ง mean(data$ชื่อตัวแปร)
4. หาค่ามัธยฐานจากคาสั่ง median(data$ชื่อตัวแปร)
5. ใน R จะไม่มีคาสั่งในการหาฐานนิยมโดยตรงแต่สามารถทาได้โดยใช้คาสั่ง
which(table(data$ชื่อตัวแปร) == max(table(data$ชื่อ
ตัวแปร)))
2. เราสามารถเรียกใช้ข้อมูลได้จากการใช้ data ต่อด้วยชื่อตัวแปรข้อมูลของ
เรา โดยจะต้องคั่นด้วย $ จากภาพด้านขวาจะใช้ data$UKgas เพื่อดึง
ข้อมูลของ Ukgas ออกมาแสดงในรูปแบบ Vector

8. กำรเรียกใช้ฟั่งชั่นต่ำงๆในทำงสถิติ
6. หาค่าเบี่ยงเบนมาตรฐานโดยใช้คาสั่ง sd(data$ชื่อตัวแปร)
7. หาค่าความแปรปรวนโดยใช้คาสั่ง var(data$ชื่อตัวแปร)
8. หาค่าควอไทล์ที่ 1 และ 3 โดยใช้คาสั่ง quantile(data$
ชื่อตัวแปร)
9. สามารถสรุปค่าสถิติเบื้องต้นได้โดยใช้คาสั่ง
summary(data$ชื่อตัวแปร)

9. วิธีกำรสร้ำงกรำฟ
1. ขั้นแรกให้ใส่ install.packages(“ggplot2”) ก่อนถึงจะสามารถใช้ library ggplot2 ในการวาดกราฟของข้อมูล
ต่างๆได้
2. หลังจากนั้นให้เลือก 0-Cloud[https] ในเมนู HTTPS CRAN mirror แล้วกด OK
3. ใช้คาสั่ง library(“ggplot2”) เพื่อเริ่มใช้ฟังก์ชั่นของ ggplot2

10. HISTOGRAM GRAPH
1. ใช้คาสั่งดังนี้
ggplot(data,aes(UKgas))+geom_histogram(binwidth=154,colour=“Black”)
1.1 ggplot
-data เป็นข้อมูลจากไฟล์ .csv (จากตัวอย่างที่แล้ว)
-aes(x,y) เป็นการบอกให้ plot ตามแกน x แกน y แบบ
ไหน อิงจากค่าอะไร (ถ้าต้องการพล็อตค่าอื่นให้เปลี่ยนที่
UKgas)
-ถ้าไม่ใส่ค่า y จะถือว่าป็นการนับความถี่ของตัวแปรนั้นๆ
1.2 geom_histogram
- binwidth ค่าความกว้างในแต่ละชั้นของข้อมูล
- colour เป็นใส่สีให้กับขอบของแท่งกราฟ
จากที่เห็นฟังก์ชั่นด้านบนเราสามารถสังเกตได้ว่า ggplot นั้นเอาไว้กาหนดว่าแกน x แกน y จะมีข้อมูลแบบไหน และฟังก์ชั่นที่สองสามารถ
เพิ่มเข้าไปเพื่อบ่งบอกให้โปรแกรมนี้พล็อตกราฟในรูปแบบใด ซึ่งเรายังสามารถกาหนดคุณลักษณะต่างของกราฟที่เราจะพล็อตได้ด้วยเช่นความ
กว้างหรือสีของแท่งกราฟ

11. กรำฟต่ำงๆของตัวแปร UK GAS

12. 1. ggplot(data,aes(UKgas))+geom_histogram(binwidth=154,colour=“black")
HISTOGRAM

13. HISTOGRAM POLYGON
2. ให้เพิ่มคาสั่ง +geom_freqpoly(binwidth=154,colour=“Green”) ต่อท้ายจากคาสั่งเดิมจากข้อ 1 จะได้ polygon graph คู่กับ
histogram

14. CUMULATIVE HISTOGRAM
3. เพิ่มพารามิเตอร์ใน geom_histogram ว่า aes(y=cumsum(..count..)) จะทาให้ได้กราฟ cumulative histogram มา
+geom_histogram(binwidth=154,colour="Black",aes(y=cumsum(..count..)))

15. 4. ถ้าเราทาแบบเดียวกันกับข้อ 3 ให้ฟังก์ชั่น GEOM_FREQPOLY จะได้เป็น OGIVE มาโดยการเพิ่มในส่วนของโค้ด
+GEOM_FREQPOLY(BINWIDTH=154,COLOUR="GREEN")
OGIVE

16. ggplot(data,aes(UKgas))+geom_freqpoly(binwidth=154,colour="Green“)
HISTOGRAM POLYGON

17. ggplot(data,aes(UKgas))+geom_freqpoly(binwidth=154,colour="Green",aes(y=cumsum(..count..)))
OGIVE

18. STEM & LEAF
5. ใช้คาสั่ง stem(vector,scale=n) เพื่อให้ทาการพล็อตข้อมูลนั้นๆในรูปแบบของ stem&leaf
(n = จานวนเต็มใดๆใช้ในการกาหนดความละเอียด stem)

19. 6. ใช้คาสั่ง BOXPLOT(VECTOR) เพื่อทาการพล็อตข้อมูลนั้นๆในรูปแบบ BOX PLOT (สามารถใช้ VECTOR กี่อันก็ได้
และตั้งชื่อผ่านพารามิเตอร์ NAMES หรือ XLAB)
- BOXPLOT(DATA$UKGAS)
BOX PLOT

20. กรำฟต่ำงๆของตัวแปร TIME

21. 1. GGPLOT(DATA,AES(TIME))+ GEOM_HISTOGRAM(BINWIDTH=4,COLOUR=“BLACK")
HISTOGRAM

22. 2. ให้เพิ่มคาสั่ง +geom_freqpoly(binwidth=4,colour=“Blue”) ต่อท้ายจากคาสั่งเดิม จะได้ polygon graph คู่กับ histogram
HISTOGRAM POLYGON

23. 3. เพิ่มตาสั่งนี้ต่อจากข้อ1.+geom_histogram(binwidth=4,colour="Black",aes(y=cumsum(..count..)))
CUMULATIVE HISTOGRAM

24. 4. เพิ่มคาสั่งนี้ต่อจากข้อ3.+geom_freqpoly(binwidth=4,colour=“Orange"), aes(y=cumsum(..count..)))
OGIVE

25. ggplot(data,aes(time))+geom_freqpoly(binwidth=4,colour=“Orange“)
HISTOGRAM POLYGON

26. ggplot(data,aes(time))+geom_freqpoly(binwidth=4,colour=“Orange",aes(y=cumsum(..count..)))
OGIVE

27. stem(data$time,scale=2)
STEM & LEAF

28. boxplot(data$time)
BOX PLOT

29. สรุปผล
จำกผลกำรวิเครำะห์ข้อมูลและกรำฟต่ำงๆพบว่ำเมื่อเวลำผ่ำนไปในแต่ละไตรมำสของปี ปริมำณกำรใช้ก๊ำซในสหรำช
อำณำจักรในแต่ละไตรมำสของปีนั้นจะมีอัตรำกำรเปลี่ยนแปลงของปริมำณกำรใช้แก๊สที่เหมือนกันในทุกปีคือช่วงไตรมำสแรก
ของปีนั้นจะมีปริมำณกำรใช้ก๊ำซสูงสุด จำกนั้นจะลดลงในไตรมำสที่ 2 และลดลงอีกเมื่อถึงไตรมำสที่ 3 แต่เมื่อถึงไตรมำสที่ 4
ปริมำณกำรใช้ก๊ำซก็จะกลับมำสูงขึ้นอีก
เรำสำมำรถเรียงลำดับจำกมำกไปหำน้อยได้ดังนี้ ไตรมำสที่ 1 > ไตรมำสที่ 4 > ไตรมำสที่ 2 > ไตรมำสที่ 3 ซึ่งเหตุผลที่
เป็นอย่ำงนี้ก็เพรำะว่ำสหรำชอำณำจักรนั้นในช่วงไตรมำสแรกของปีจะอยู่ในช่วงฤดูหนำวซึ่งจำเป็นต้องใช้ก๊ำซเพื่อเป็น
เชื้อเพลิงให้ควำมอบอุ่นแก่ผู้คน ส่วนในไตรมำสที่ 2 นั้นจะอยู่ในช่วงฤดูใบไม้พลิทำให้ปริมำณกำรใช้ก๊ำซลงมำ และเมื่อถึง
ไตรมำสที่ 3 ที่เป็นฤดูร้อนก็จะยิ่งใช้ปริมำณก๊ำซน้อยลงไปอีก แต่เมื่อเข้ำสู่ไตรมำสที่ 4 ซึ่งเป็นฤดูใบไม้ร่วงอำกำศเริ่มหนำวอีก
ครั้งปริมำณกำรใช้ก๊ำซจึงมำกขึ้นอีกครั้ง ทำให้เรำสำมำรถคำดกำร์ณได้ว่ำมันเกิดขึ้นเหมือนกันอย่ำงนี้ในทุกๆปีต่อจำกนี้
เมื่อเรำวิเครำะห์ข้อมูลในแต่ละปีพบว่ำปริมำณกำรใช้ก๊ำซเฉลี่ยในแต่ละปีนั้นมีอัตรำกำรเพิ่มขึ้นสูงขึ้นเรื่อยๆในแต่ละปี
ซึ่งเป็นผลมำจำกประชำกรที่เพิ่มขึ้น และเทคโนโลยีที่มีควำมแพร่หลำยมำกขึ้น ทำให้ปริมำณกำรใช้ก๊ำซเฉลี่ยนั้นสูงขึ้นตำมไป
ด้วยในทุกๆปี ทำให้เรำสำมำรถคำดกำร์ณได้ว่ำหลังจำกปี 1986 นั้นปริมำณกำรใช้ก๊ำซเฉลี่ยจะยิ่งสูงขึ้นอีก

30. จบกำรนำเสนอ
ขอบคุณครับ