computer engineer @KMITL

1. 1076253 ความน่าจะเป็ นและสถิติ (PROBABILITY AND STATISTICS)
ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์
สถาบันเทคโนโลยีพระจอมเกล้าคุณทหารลาดกระบัง
ภาคการเรียนที่ 2 ปี การศึกษา 2558
GAIN IN WEIGHT OF RATS
https://vincentarelbundock.github.io/Rdatasets/doc/HSAUR/weightgain.html
นางสาวฐิติรัตน์ โชคสวัสดิ์ รหัสนักศึกษา 57010354
นางสาวแพรพลอย รัตนากร รหัสนักศึกษา 57010939

2.  รายละเอียดของข้อมูล
 ค่าพื้นฐานทางสถิติ
 กราฟ
 Histogram
 Polygon
 Cumulative Histogram
 Stem & Leave
 Box Plot
 สรุป
สารบัญ

3.  แบ่งออกเป็ น 3 column : Source , Type และ Weightgain
 มีทั้งข้อมูลเชิงคุณภาพ และ เชิงปริมาณ
เชิงคุณภาพ : Source , Type
เชิงปริมาณ : Weightgain
 Source ที่พบในข้อมูลดิบ : Beef และ Cereal
 Type ที่พบในข้อมูลดิบ : Low และ High
รายละเอียดของข้อมูล

4.  ตารางข้อมูล
รายละเอียดของข้อมูล

5.  ค่าเฉลี่ย ( Mean )
 ใช้คาสั่ง mean(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
ค่าพื้นฐานทางสถิติ
Source Type Mean
Beef Low 79.2
Beef High 100
Cereal Low 83.9
Cereal High 85.9

6.  ค่ามัธยฐาน ( Median )
 ใช้คาสั่ง median(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
ค่าพื้นฐานทางสถิติ
Source Type Median
Beef Low 82
Beef High 103
Cereal Low 84.5
Cereal High 87

7.  ค่าฐานนิยม ( Mode )
 ใช้คาสั่ง mode <- function(a=x[m:n,]$weightgain){
+ ux <- unique(a)
+ ux [which.max(tabulate(match(a,ux)))]
+ }
mode()
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
ค่าพื้นฐานทางสถิติ
Source Type Mode
Beef Low 90
Beef High 73
Cereal Low 74
Cereal High 98

8.  ค่าเบี่ยงเบนมาตรฐาน ( Standard Deviation : SD )
 ใช้คาสั่ง c = sd(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ , c : ประกาศตัวแปรเพื่อเก็บค่าของตัวแปรไว้
ค่าพื้นฐานทางสถิติ
Source Type Standrad Deviation
Beef Low 13.88684
Beef High 15.13642
Cereal Low 15.70881
Cereal High 15.02184

9.  ค่าต่าสุด และ ค่าสูงสุด ( Minimum and Maximum )
 ใช้คาสั่ง หาค่า minimum : min(x[m:n,]$weightgain)
หาค่า miximum : max(x[m:n,]$weightgain)
หรือ range(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
ค่าพื้นฐานทางสถิติ
Source Type Minimum Maximum
Beef Low 51 95
Beef High 73 118
Cereal Low 58 107
Cereal High 56 111

10.  Summary
 ใช้คาสั่ง summary(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
ค่าพื้นฐานทางสถิติ
Source Type Minimum 1st Qu. Median Mean 3rd Qu. Maximum
Beef Low 51 73 82 79.2 90 95
Beef High 73 90.25 103 100 110 118
Cereal Low 58 74 84.5 83.9 96.5 107
Cereal High 56 78.25 87 85.9 94.25 111

11.  Histogram
กราฟ
0
20
40
60
80
100
120
140
1 2 3 4 5 6 7 8 9 10
Weightgain
Frequency
.
Beef/Low
Beef/High
Cereal/Low
Cereal/High
Source/Type

12.  Histogram
กราฟ
Weightgain : Beef Low
weightgain
Frequency
50 60 70 80 90 100
01234
Weight Gain Frequency
51-60 1
61-70 1
71-80 3
81-90 4
91-100 1

13.  Histogram
กราฟ
Weight Gain Frequency
71-80 1
81-90 2
91-100 1
101-110 3
111-120 3
Weightgain : Beef High
weightgain
Frequency
70 80 90 100 110 120
0.00.51.01.52.02.53.0

14.  Histogram
กราฟ
Weight Gain Frequency
50-59 1
60-69 1
70-79 3
80-89 1
90-99 3
100-109 1
Weightgain : Cereal Low
weightgain
Frequency
50 60 70 80 90 100 110
0.00.51.01.52.02.53.0

15.  Histogram
กราฟ
Weight Gain Frequency
50-59 1
60-69 0
70-79 2
80-89 3
90-99 3
100-109 0
110-119 1
Weightgain : Cereal High
weightgain
Frequency
50 60 70 80 90 100 110 120
0.00.51.01.52.02.53.0

16.  Histogram
 เปลี่ยนสีแท่งกราฟ
 ใช้คาสั่ง color = c ( “ สี ” , “ สี ” , …. )
 โดยที่สีสามารถ ลงสีได้ 2 รูปแบบ
 พิมพ์ – Red , Orange , Blue , Violet
 พิมพ์ - # แล้วตามด้วยเลข RGB ฐาน 16 จานวน 6 หลัก
 เช่น color = c(“ #FFCCCC “ , “ #FF9999 “ , “ #FF6666 " , “ #FF3333 “ , “ Red " )
วาดกราฟ Histogram
 ใช้คาสั่ง hist( x[m:n,]$weightgain , main = “ ชื่อกราฟ " , col=color , xlab = “ weightgain “ )
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
กราฟ

17.  Polygon
กราฟ
0
20
40
60
80
100
120
140
0 2 4 6 8 10 12
Weightgain
Frequency
.
Beef/Low
Beef/High
Cereal/Low
Cereal/High
Source/Type
Polygon

18.  Polygon
 ใช้คาสั่ง plot(x$mids,x$counts,type=“o”,col=“color”,xlim=c(m,n),ann=FALSE)
title(main=“Polygon”)
title(xlab=“Weightgain”)
title(ylab=“Frequency”)
 m = ค่าเริ่มต้นของแกน x , n = ค่าสุดท้ายของแกน x
color = สี หรือ # ตามด้วยเลขฐาน 16 ของ RGB
กราฟ

19.  Cumulative Histogram
กราฟ
0
200
400
600
800
1000
1200
1 2 3 4 5 6 7 8 9 10 11
Weightgain
Frequency
.
Beef/Low
Beef/High
Cereal/Low
Cereal/High
Source/Type

20.  Cumulative Histogram
 ใช้คาสั่ง h <- hist(x[m:n,]$weightgain)
h$counts <- cumsum(h&counts)
plot(h,col = “color” , ann=FALSE)
box()
title(main=“Cummulative Histogram” , col.main=“color”)
title(xlab=“Weightgain”)
title(ylab=“Frequency”)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
color = สี หรือ # ตามด้วยเลขฐาน 16 ของ RGB
กราฟ

21.  Stem & Leave
ใช้คาสั่ง stem(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
Beef Low
กราฟ
5 | 1
6 | 4
7 | 2 6 8
8 | 6
9 | 0 0 0 5

22.  Stem & Leave
ใช้คาสั่ง stem(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
Beef High
กราฟ
7 | 3
8 | 1 7
10 | 0 2 4 7
11 | 1 7 8

23.  Stem & Leave
ใช้คาสั่ง stem(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
 Cereal Low
กราฟ
5 | 8
6 | 7
7 | 4 4
8 | 0 9
9 | 5 7 8
10 | 7

24.  Stem & Leave
ใช้คาสั่ง stem(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
 Cereal High
กราฟ
4 | 6
6 | 4 7
8 | 2 6 8 2 5 8
10 | 1

25.  Box Plot
ใช้คาสั่ง boxplot(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
Beef Low
กราฟ

26.  Box Plot
ใช้คาสั่ง boxplot(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
Beef High
กราฟ

27.  Box Plot
ใช้คาสั่ง boxplot(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
Cereal Low
กราฟ

28.  Box Plot
ใช้คาสั่ง boxplot(x[m:n,]$weightgain)
 m : แถวเริ่มต้นในการคานวณ , n : แถวสุดท้ายในการคานวณ
Cereal High
กราฟ

29.  พบว่า Beef Low , Beef High , Cereal Low และ Cereal High มีความถี่ที่เท่ากัน
 จากกราฟ Histogram
 ข้อมูล Beef Low มีความถี่สูงสุดอยู่ในช่วง 81-90
 ข้อมูล Beef High มีความถี่สูงสุดในช่วง 101-110 และ 111-120
 ข้อมูล Cereal Low มีความถี่สูงสุดในช่วง 70-79 และ 90-99
 ข้อมูล Cereal High มีความถี่สูงสุดในช่วง 80-89 และ 90-99
 จากกราฟ Box Plot สามารถรู้ค่า ขอบล่างและขอบบนของข้อมูล , ค่ากลางของ
ข้อมูล , ควอไทล์ที่ 1 และ 3 และสามารถรู้ค่า outlier ได้
สรุป