L'assignatura de programació tracta de l'aprenentatge al disseny bàsic d'algoritmes.
La resolució d'algoritmes per cada problema es basa a aplicar una sèrie d'instruccions i càlculs que depenent del problema aquest tindrà més instruccions o menys. Aquesta tasca és bàsica, per poder després entendre qualsevol llenguatge de programació és una assignatura que si no es té coneixements previs és molt abstracta.
A part de la confecció d'algoritmes amb pseudocodi també es practica la resolució d'algoritmes utilitzant el llenguatge de programació PHP.
L'assignatura de programació tracta de l'aprenentatge al disseny bàsic d'algoritmes.
La resolució d'algoritmes per cada problema es basa a aplicar una sèrie d'instruccions i càlculs que depenent del problema aquest tindrà més instruccions o menys. Aquesta tasca és bàsica, per poder després entendre qualsevol llenguatge de programació és una assignatura que si no es té coneixements previs és molt abstracta.
A part de la confecció d'algoritmes amb pseudocodi també es practica la resolució d'algoritmes utilitzant el llenguatge de programació PHP.
En aquesta assignatura el llenguatge de programació utilitzat és JavaScript. Aquest llenguatge de programació que s'utilitza principalment per crear pàgines web dinàmiques. A través d'aquest llenguatge s'estudia com incorporar efectes i animacions a una pàgina web. També l'aplicació d'accions que ens permetin realitzar manipular el navegador web en prémer botons i finestres amb missatges d'avís a l'usuari.
L'assignatura de programació tracta de l'aprenentatge al disseny bàsic d'algoritmes.
La resolució d'algoritmes per cada problema es basa a aplicar una sèrie d'instruccions i càlculs que depenent del problema aquest tindrà més instruccions o menys. Aquesta tasca és bàsica, per poder després entendre qualsevol llenguatge de programació és una assignatura que si no es té coneixements previs és molt abstracta.
A part de la confecció d'algoritmes amb pseudocodi també es practica la resolució d'algoritmes utilitzant el llenguatge de programació PHP.
Introducció a les derivades. S'introdueix el concepte de derivada a partir del pendent de les rectes tangents i des d'aquí es dedueixen els conceptes de creixement, decreixement i màxims i mínims d'una funció.
Continguts explicats amb l'ajuda del GeoGebra.
Taula de derivades i alguna aplicació com ara el Polinomi de Taylor amb l'aproximació de la funció arrel quadrada.
Correcció de la pràctica 1 de l'assignatura de Programació del Grau Multimèdia de la UOC. Per a baixar-se els arxius PHP, visita la meva wiki: http://raco-vermell.wikispaces.com/PROGRAMACI%C3%93
En aquesta assignatura el llenguatge de programació utilitzat és JavaScript. Aquest llenguatge de programació que s'utilitza principalment per crear pàgines web dinàmiques. A través d'aquest llenguatge s'estudia com incorporar efectes i animacions a una pàgina web. També l'aplicació d'accions que ens permetin realitzar manipular el navegador web en prémer botons i finestres amb missatges d'avís a l'usuari.
L'assignatura de programació tracta de l'aprenentatge al disseny bàsic d'algoritmes.
La resolució d'algoritmes per cada problema es basa a aplicar una sèrie d'instruccions i càlculs que depenent del problema aquest tindrà més instruccions o menys. Aquesta tasca és bàsica, per poder després entendre qualsevol llenguatge de programació és una assignatura que si no es té coneixements previs és molt abstracta.
A part de la confecció d'algoritmes amb pseudocodi també es practica la resolució d'algoritmes utilitzant el llenguatge de programació PHP.
Introducció a les derivades. S'introdueix el concepte de derivada a partir del pendent de les rectes tangents i des d'aquí es dedueixen els conceptes de creixement, decreixement i màxims i mínims d'una funció.
Continguts explicats amb l'ajuda del GeoGebra.
Taula de derivades i alguna aplicació com ara el Polinomi de Taylor amb l'aproximació de la funció arrel quadrada.
Correcció de la pràctica 1 de l'assignatura de Programació del Grau Multimèdia de la UOC. Per a baixar-se els arxius PHP, visita la meva wiki: http://raco-vermell.wikispaces.com/PROGRAMACI%C3%93
1. StuDocu is not sponsored or endorsed by any college or university
Fòrmules Rstudio
Analisi de Dades (Universitat Pompeu Fabra)
StuDocu is not sponsored or endorsed by any college or university
Fòrmules Rstudio
Analisi de Dades (Universitat Pompeu Fabra)
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
2. INFO INTRO
skip() allows you to skip the current question.
play() lets you experiment with R on your own; swirl will ignore what you do...
nxt() which will regain swirl's attention.
bye() causes swirl to exit. Your progress will be saved.
main() returns you to swirl's main menu.
info() displays these options again.
TUTORIAL 1
“variable”: Introduir el nom de la variable d’una taula per desplegar-la. Ex:
“mpgCity”
Canviar el nom d’una variable d’una taula:
“nou nom”<-conjunt_de_dades$variable….Ex: myMPG<-cars$mpgCity
mean(variable): mitjana
median(variable): mediana
table(variable): endreçar variables i veure quants cops es repeteix cada dada
moda
range(conjunt_de_dades$variable): Obtenir el valor mínim i màxim (rang: max-
min.)
var(data): variància (data conjunt_de_dades$variable)
sd(data): desviació típica o estàndard
summary(data): 5 num. Resum d’una variable del conjunt de dades
TUTORIAL 2
library(“package”): habilitar un paquet
sum(variable): suma la variable
sum(data): nOmbre total de Casos per a un conjunt de dades
hist(conjunt_de_dades): histograma del conjunt de dades
o hist(variable,prob=TRUE): Histograma amb freq. relativa a l’eix vertical
quantile(conjunt_de_dades): 5 num. Resum
boxplot(quantile(conjunt_de_dades),range=0): diagrama de Caixa (range=0 es
posa perque el diagrama arribi al mínim i el màxim).
sqrt(emm(conjunt_de_dades,order=2) - mean(conjunt_de_dades)^2):
desviació estàndard de manera indirecta
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
3. frequency_table: taula de freqüències
“nom variable intervals” <- c(limits,separats,per,comes):
ex: cj <- c(20,40,60,80,100) els intervals cj tenen els límits inferiors a 20,40….
“nom variable frequències” <- c(frequencies): ex: nj <- c(5,10,15,5)
TUTORIAL 6 NORMALITAT I DISTRIBUCIÓ NORMAL
head(marc_de_dades): mostra els primers casos d’un conjunt de dades.
Describe(data): resum numèric d’una variable numérica (mín, mitjana, sd, …)
Y= (x - a)/b: On x es la data, a= canvi d’origen i b=canvi d’escalatransformació
de dades LINEALS
Ex: mitjana lliures= (mitjana euros-50)/1.12…Ex2: sd lliures= sd euros/1.12 (la
sd es una mesura de dispersió i per això només es veu afectada pel canvi
d’escala)
Data.frame(marc_de_dades): Desplegar un marc de dades
Round(data): arrodonir vectors numérics o decimals. Ex: arrodonir a dos
deimals i desar els resultats al mateix marc de dades amb el mateix nom de
variable viatge$nou <- round(viatge_nou$lliures,2)
TRANSFORMACIONS NO LINEALS (Per canviar la forma de la distribució)
o Transformacio logarítmica Noves dades= log(dades originials)
EX: log_euros <- log(viatge$euros)
curve(dnorm(x,mean=m, sd=s),add=TRUE): Curva de distribució normal d’un
conjunt de dades x, amb mitjana m i desviació típica s.
taula_normal: Taula de reqüencies d’una distribució normal
(REGLA 68-95-99.7): …
(….)
TUTORIAL 7
Plot( y ~x): diagrama de dispersió
o Plot(y~x, col=”lightblue”) : Valors del diagrama en blau
o text(Y~X, labels=rownames(nom taula)) : Posar que significa cada punt
Ex.: A la taula “exam” on hi ha les variables “parcial” i “final”
trobem tots els valors numèrics. Amb aquesta fòrmul ens surt
el valor de cada punt en el diagrama de dispersió.
Cor(x,y): correlació lineal entre dues variables
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
4. Lm(y~x): Calular línia de regressió. Obtenim els coeficients de la regressió.
o Abline(data o nom del marc de dades): dibuixar linia de regressió al
diagrama de Caixa (abans s’ha de tenir fet plot(y~x))
Abline(0,0): dibuixar una linia al punt 0 per mostrar els punts per
sobre i per sota.
o Lm(y~x,data=”nou nom data sense valors atípics”): línia de regressió
sense els valors eliminats, amb la nova taula.
o Constant estimada + ex. Variable explicativa*pendent: Obtenir
prediccions de la variable dependent.
EXEMPLE: Quina notra treuré si he tret un 70 al parcial?
Parcial Variable explicativa
Fem la línea de regressió i ens donarà
Constant estimada (intercept): -4.953
Relació amb la variable explicativa: 1.127 Per cada 1 al
parcial treurà 1.127 al final
Apliquem la fòrmula: -4.953+70*1.127= 73.937
Si al parcial trec un 70, al final treure 73.937.
o Predict(nom marc de dades, data.frame(var. Explicativa= x): Per fer la
predicció amb formula.
Ex: predict(fit,data.frame(parcial=70)
Ex: predict(lm(lvendes~lpub),data.frame(lpub=log(4.5)))
Summary(nom marc dades): resum numeric de tot.
o R-Squarted ens indica el % de varició de la variable dependent (“final”)
respecte a la explicativa (“parcial”)
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
5. Resid(marc de dades o data): Identificar
anomalies com la no linealitat (diagrama de
residus).
o Per fer el diagrama de residus
entrem plot(marc de dades~variable
explicativa)
Per afegir títol al diagrama plot(…..,main=”nom”)
Per afegir nom a les y plot(….,ylab=”nom”)
o També es pot fer el histograma directament
Identify(y~x): Poder identificar valors del diagrama
o Tecla ESC Mostrar el número de cas (observació) en la mateixa
gràfica. Prenent 2 COPS, imprimirà en num de casos i torna el al tutorial
normal.
Nom taula [-c(valor 1, valor 2),]: Eliminar els valors seleccionats del diagrama.
Es per comprovar si
les observacions són
influents o no en el
resultat (Per ex.:
Canvi molt la mitjana
si s’elimina un vlor
atípic? Sí).
Plotluck(marc de
dades, Y~X): S’utilitza el paquet “plotluck” per suavizar la variació de la variable
dependent i obtener una idea sobre una posible relació no lineal entre Y i X.
Log(data): Treballar amb no linealitats. Amb el model log-log prenem
logaritmes naturals de la variable dependent i la variable explicativa i calculem
la regressió amb les variables transformades.
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
6. o Plot(Y~X): Mostrar el nou digrama de disp. Amb les dades
transformades.
o Abline(lm(Y~X)): Afegir línea de regressió al diagrama de dispersió.
o Exp(resultat de la predicció amb dades transformades a log):
L’exponencial és el contrari del logaritme, per tant, aplicant l’exponencial
obtindrem el resultat sense la transformació de dades.
Ex:
predict(lm(lvendes~lpub),data.frame(lpub=log(4.5))) Predicció
amb dades transformades
exp(predict(lm(lvendes~lpub),data.frame(lpub=log(4.5)))
Predicció SENSE les dades transformades. Pots posar tota la
fòrmula o aplicar la exponencial sobre el resultat obtingut amb
la formula de dades transformades.
TUTORIAL 8
Table( marc de dades): Per obtenir la taula de contingència d’una taula amb
valors categòrics (Fer recompte dels casos de cada valor i expressar-ho amb una
en valors absoluts)
Barplot(marc de dades, legend=TRUE): Per fer
un diagrama de barres amb la llegenda.
o T(marc de dades): Trasposar dades: les
columnes pasen a ser files i viceversa (R tendeix a a posar la variable
columna a l’eix horitzontal i de manera apilada)
Fer un diagrama de barres amb la variable fila a l'eix horitzontal i
de forma agrupadabarplot(t(dist),legend=TRUE,beside=TRUE)
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
7. Prop.table(marc de dades): Obtenir valors relatius del marc de dades.
o Prop.table(marc de dades, num): Obtenir valors relatius condicionats
per la variable fila (1) o columna (2).
barplot(prop.table(marc de dades,2),legend=TRUE): Veure
gràficament si les distribucions condicionals són iguals o
diferents Posant-ho tot a la mateixa escala és fàcil veure
Margin.table(marc de dades,1): Obtenir la distribució marginal de la variable
fila
o Margin.table(marc de dades, 2): Obtenir la distribució marginal de la
variable columna.
o Prop.table(margin.table(marc de dades, num): Obtenir distribució
marginal de freqüències relatives de fila (1) o columna (2).
Distribució marginal de la variable fila
barplot(t(prop.table(dist,1)),legend=TRUE): Diagrama de barres de la
distribució condicional de la variable columna condicionada a la variable fila
PROGRAMACIÓ AMB R
3. SEQÜÈNCIA DE NÚMEROS
Crear seqüència de números:
o Operador “ : “ Crear una seqüència de números
EX: 1: 20
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
8. Si posa pi:10, sortiran els primers valors enters de pi amb alguns
decimals, atès que aquests són infinits.
Si es posa 20:1, comença a comptar núm. Enters del revés.
Per obtener información sobre aquest operador (:) hem de posar
l’interrognt però amb l’accent greu ?`:`
o Seq(num,num)
Ex: seq (1,20) Fa el mateix que l’operador “:”
Si volem una seqüència incrementada per 0.5, per exemple
seq(num,num, by=num de increment). Ex: seq(0,10, by=0.5) Això
posarà els núm enters de 0 a 10 amb incrementacions de 0.5
Si no ens interesa quan és l’increment i simplement volem una seq. De
30 núm seq(num,num, length=num de seq.)
Length (marc de dades): Per comprobar que realment l longitud
és 30.
Trobar una seqüència amb longitud N on N és la longitud desconeguda d’un
marc de dades
o 1:length(marc de dades)
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
9. o Seq(along.with=marc de dades)
o Seq_along(marc de dades)
Per trobar un vector amb 40 zeros, per exemple, podem usar la funció
“replicate” aplicant:
o Rep(0, times=40) Sortirà una cosa com: 0 0 0 0 0 0 0 0 (fins 40)
o Rep( c( 0, 1, 2), times=10) 0 1 2 0 1 2 0 1 2…
o Rep(c(0,1,2), each=10) Un vector amb 10 zeros, 10 uns i 10 dos.
4. VECTORS
Els vectors tenen dos sabors diferents:
Vectors atòmics: Un tipus de dada. Poden ser lògics, de carácter, enters i num.
Complexos.
Els vectors lògics poden contenir els valors TRUE, FALSE I NA (not available)
Llistes: Múltiples dades.
Crear un vector numèric: c(num,num,num)
o Marc de dades >= num Més gran o igual que un numero
o marc de dades < 1 marc de dades és més petit que 1
marc de dades: Si imprimim el marc de dades nomenat, ens
sortirà els números que compleixen la condició:
Operadors lògics: <, >, >=, <=,, == (igualtat exacte),!= (no
igual).
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020
10. Crear un vector de carácter: c(“paraula”,”paraula”,”paraula”)
o paste(marc de dades, collapse = " "): Unir els elements del vector
carácter Ex: paste(my_char, collapse = " "): “el meu nom es”
paste("Hola", "món!", sep = " "): L’argument sep= “ “ li diu al
vector que separi els elements units amb un vector.
o c(marc de dades, “nom”): Per afegir una paraula al vector de carácter.
Tornar a utilizar la funció paste per ficar totes les paraules entre
les cometes
Downloaded by MARTINA BENITO ORTEGA (martina.benito03@estudiant.upf.edu)
lOMoARcPSD|17645020