Submit Search
Upload
楽にggplotを描く・整える
•
3 likes
•
1,723 views
D
daiki hojo
Follow
某研究室でのLT発表資料です. ggpubr と ggThemeAssist について
Read less
Read more
Report
Share
Report
Share
1 of 14
Download now
Download to read offline
Recommended
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
2月6日に福山市立大学で行われた研究会での発表資料です。潜在曲線モデルのことを中心にまとめています。間違いなどありましたらご指摘くださると幸いです。
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Osaka.Stan#6『StanとRでベイズ統計モデリング』(通称アヒル本)読書会@関西学院大学 2017年11月18日(土) https://atnd.org/events/91527
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
Hijiyama.R#4(2016/5/28)で発表したスライドです
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
Yu Tamura
※ブラウザでうまく表示されませんのでDLして御覧ください※ ※以下のリンクからもご覧いただけます※ https://speakerdeck.com/tam07pb915/nagoyar15 ロジスティック回帰や多項ロジスティック回帰などの一般化線形モデルを用いた分析の結果を図示するためのeffectsパッケージの紹介をします。
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
稚拙ですが、Stanの便利な事後処理関数をまとめました。 間違いがあればご指摘いただけると幸いです。
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
2014.12.6. Nagoya.R #12 外国語教育研究の仮想データを用いてRのlme4パッケージやlmerTestパッケージを使ってみるというような主旨の発表です。 slideshare上から無料でダウンロードできなくなってしまったので,speakerdeckにも同じ資料をあげました。ダウンロードされたい方,広告がうっとおしいという方は下記のURLからどうぞ。 https://speakerdeck.com/tam07pb915/an-introduction-to-lme
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
「StanとRでベイズ統計モデリング」の読書会発表資料です。 今回の発表は導入編(1章~3章)です。 初回ということもあって,本の内容以外に清水が補足説明を加えているところもあります。
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
日本社会心理学会第2回春の方法論セミナー 「GLMMが切り開く新たな統計の世界」で発表したスライドです。 一部,発表時から修正したスライドがあります。
Recommended
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
2月6日に福山市立大学で行われた研究会での発表資料です。潜在曲線モデルのことを中心にまとめています。間違いなどありましたらご指摘くださると幸いです。
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Osaka.Stan#6『StanとRでベイズ統計モデリング』(通称アヒル本)読書会@関西学院大学 2017年11月18日(土) https://atnd.org/events/91527
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
Hijiyama.R#4(2016/5/28)で発表したスライドです
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
Yu Tamura
※ブラウザでうまく表示されませんのでDLして御覧ください※ ※以下のリンクからもご覧いただけます※ https://speakerdeck.com/tam07pb915/nagoyar15 ロジスティック回帰や多項ロジスティック回帰などの一般化線形モデルを用いた分析の結果を図示するためのeffectsパッケージの紹介をします。
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
稚拙ですが、Stanの便利な事後処理関数をまとめました。 間違いがあればご指摘いただけると幸いです。
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
2014.12.6. Nagoya.R #12 外国語教育研究の仮想データを用いてRのlme4パッケージやlmerTestパッケージを使ってみるというような主旨の発表です。 slideshare上から無料でダウンロードできなくなってしまったので,speakerdeckにも同じ資料をあげました。ダウンロードされたい方,広告がうっとおしいという方は下記のURLからどうぞ。 https://speakerdeck.com/tam07pb915/an-introduction-to-lme
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
「StanとRでベイズ統計モデリング」の読書会発表資料です。 今回の発表は導入編(1章~3章)です。 初回ということもあって,本の内容以外に清水が補足説明を加えているところもあります。
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
日本社会心理学会第2回春の方法論セミナー 「GLMMが切り開く新たな統計の世界」で発表したスライドです。 一部,発表時から修正したスライドがあります。
再現性問題は若手研究者の突破口
再現性問題は若手研究者の突破口
Yuki Yamada
2020年9月9日に開催された日本心理学会第84回大会 大会企画シンポジウム 「若手が聞きたい再現可能性問題の現状とこれから」 での発表資料です。本番の増補版になってます。 ----- いくつか補足: スライド14の「偽追試」という語は誤りで「偽反復」が正しいです。ここでの追試の文脈とは微妙に異なるためミスリーディングでもあります。すいません・・・ スライド96の枠で囲まれた部分(ランキング)は「日本の科学と技術」さん (http://scienceandtechnology.jp/archives/21533) からの引用です。編集のどこかでクレジットが外れていました。こちらもすいません・・・
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
nocchi_airport
2017/4/29に行われた,StanとRでベイズ統計モデリングに関する読書会(Osaka.stan)第4回における,第7章の発表資料です
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
HijiyamaR#2の発表資料です
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
第4回DARM勉強会発表資料 「構造方程式モデリング」 報告ガイドラインの概要
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
第4回DARM勉強会発表資料
データ解析のための勉強会第7章
データ解析のための勉強会第7章
TokorosawaYoshio
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
最新版はこちら: https://speakerdeck.com/yutannihilation/ggplot2zai-ru-men
因果関係を時系列変化で分析
因果関係を時系列変化で分析
DaikiNagamine
2021/02/19 学内研究会資料
[R勉強会][データマイニング] R言語による時系列分析
[R勉強会][データマイニング] R言語による時系列分析
Koichi Hamada
第4回R勉強会@東京(10/4/24)の講師資料です。hamadakoichi R言語による時系列分析。
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-4.devianceと尤度比検定 正規分布以外の確率分布では残差の考え方が変わってきます。そこでdevianceという概念を導入したうえで、GLMにおいて分散分析を実行する方法を解説します。 サイト作ってます http://logics-of-blue.com/
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
考司 小杉
ベイズ推定による多変量解析法WSにて発表した資料です
因子分析
因子分析
Mitsuo Shimohata
Tokyo.R #33での、因子分析の紹介資料です。
PRML輪読#11
PRML輪読#11
matsuolab
東京大学松尾研究室におけるPRML輪読資料です。
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
ベイズ塾春の合宿で発表した資料です。
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-3.GLMの基礎 一般化線形モデルの構成要素や、計算の方法について解説します。 サイト作ってます http://logics-of-blue.com/
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
因果フェス2015(8月6日・駒場)での発表資料です。
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
horihorio
時系列解析を実際のデータやビジネスに適用する場合には、教科書で学んだ理論体系とは異なった発想の順序や勘所があるのでは?との問題意識と検討中の案を紹介いたします。
Stanの事後処理 LTver
Stanの事後処理 LTver
daiki hojo
某勉強会LT用に下記を短縮したものです. http://www.slideshare.net/daikihojo/stan-70425025 新規な箇所もいくつか含んでおります. 間違いがあればご連絡ください.
Inference via Bayesian Synthetic Likelihoods for a Mixed-Effects SDE Model of...
Inference via Bayesian Synthetic Likelihoods for a Mixed-Effects SDE Model of...
Umberto Picchini
presented at the European Meeting of Statisticians 2017, Helsinki 24-28 July 2017
More Related Content
What's hot
再現性問題は若手研究者の突破口
再現性問題は若手研究者の突破口
Yuki Yamada
2020年9月9日に開催された日本心理学会第84回大会 大会企画シンポジウム 「若手が聞きたい再現可能性問題の現状とこれから」 での発表資料です。本番の増補版になってます。 ----- いくつか補足: スライド14の「偽追試」という語は誤りで「偽反復」が正しいです。ここでの追試の文脈とは微妙に異なるためミスリーディングでもあります。すいません・・・ スライド96の枠で囲まれた部分(ランキング)は「日本の科学と技術」さん (http://scienceandtechnology.jp/archives/21533) からの引用です。編集のどこかでクレジットが外れていました。こちらもすいません・・・
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
nocchi_airport
2017/4/29に行われた,StanとRでベイズ統計モデリングに関する読書会(Osaka.stan)第4回における,第7章の発表資料です
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
HijiyamaR#2の発表資料です
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
第4回DARM勉強会発表資料 「構造方程式モデリング」 報告ガイドラインの概要
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
第4回DARM勉強会発表資料
データ解析のための勉強会第7章
データ解析のための勉強会第7章
TokorosawaYoshio
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
最新版はこちら: https://speakerdeck.com/yutannihilation/ggplot2zai-ru-men
因果関係を時系列変化で分析
因果関係を時系列変化で分析
DaikiNagamine
2021/02/19 学内研究会資料
[R勉強会][データマイニング] R言語による時系列分析
[R勉強会][データマイニング] R言語による時系列分析
Koichi Hamada
第4回R勉強会@東京(10/4/24)の講師資料です。hamadakoichi R言語による時系列分析。
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-4.devianceと尤度比検定 正規分布以外の確率分布では残差の考え方が変わってきます。そこでdevianceという概念を導入したうえで、GLMにおいて分散分析を実行する方法を解説します。 サイト作ってます http://logics-of-blue.com/
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
考司 小杉
ベイズ推定による多変量解析法WSにて発表した資料です
因子分析
因子分析
Mitsuo Shimohata
Tokyo.R #33での、因子分析の紹介資料です。
PRML輪読#11
PRML輪読#11
matsuolab
東京大学松尾研究室におけるPRML輪読資料です。
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
ベイズ塾春の合宿で発表した資料です。
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-3.GLMの基礎 一般化線形モデルの構成要素や、計算の方法について解説します。 サイト作ってます http://logics-of-blue.com/
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
因果フェス2015(8月6日・駒場)での発表資料です。
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
horihorio
時系列解析を実際のデータやビジネスに適用する場合には、教科書で学んだ理論体系とは異なった発想の順序や勘所があるのでは?との問題意識と検討中の案を紹介いたします。
What's hot
(20)
再現性問題は若手研究者の突破口
再現性問題は若手研究者の突破口
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
データ解析のための勉強会第7章
データ解析のための勉強会第7章
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
因果関係を時系列変化で分析
因果関係を時系列変化で分析
[R勉強会][データマイニング] R言語による時系列分析
[R勉強会][データマイニング] R言語による時系列分析
階層ベイズとWAIC
階層ベイズとWAIC
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
因子分析
因子分析
PRML輪読#11
PRML輪読#11
Stanでガウス過程
Stanでガウス過程
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
2 3.GLMの基礎
2 3.GLMの基礎
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
Viewers also liked
Stanの事後処理 LTver
Stanの事後処理 LTver
daiki hojo
某勉強会LT用に下記を短縮したものです. http://www.slideshare.net/daikihojo/stan-70425025 新規な箇所もいくつか含んでおります. 間違いがあればご連絡ください.
Inference via Bayesian Synthetic Likelihoods for a Mixed-Effects SDE Model of...
Inference via Bayesian Synthetic Likelihoods for a Mixed-Effects SDE Model of...
Umberto Picchini
presented at the European Meeting of Statisticians 2017, Helsinki 24-28 July 2017
いいからベイズ推定してみる
いいからベイズ推定してみる
Makoto Hirakawa
HijiyamaR#3の資料です。「glmmstan()をもちいて、一般化線形混合モデルをベイズ推定する」という趣旨です。
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
Hiroshi Shimizu
glmmをstanで実行するためのパッケージを作りました。 lmer()と同じ文法でコードを書くと,簡単にMCMC推定できます。
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
Kenta Tanaka
・項目反応理論によるテスト結果の分析 ・Twitterデータの収集と分析 ・データ分析関係の研修開発 ...をしてます、という話
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
第61回日本生態学会大会(2014年3月、広島)での発表資料。
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
広島大学で行われた,ベイズ推定による多変量解析入門WSで発表した資料です。階層線形モデルをベイズ推定する話についてまとめています。 発表者のWebサイト:norimune.net
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
Viewers also liked
(9)
Stanの事後処理 LTver
Stanの事後処理 LTver
Inference via Bayesian Synthetic Likelihoods for a Mixed-Effects SDE Model of...
Inference via Bayesian Synthetic Likelihoods for a Mixed-Effects SDE Model of...
いいからベイズ推定してみる
いいからベイズ推定してみる
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
More from daiki hojo
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
ベイズ塾主催の第3回WSで話した内容です。 間違いあると思います。より詳細を学びたい方は書籍等をご参考にしてください
Bayesian Sushistical Modeling
Bayesian Sushistical Modeling
daiki hojo
Toyko.R #70 で発表した資料です。
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
daiki hojo
心理学におけるオープンサイエンスするためのツールであるOpenScienceFrameworkとPsyArXivの説明です。 説明というよりツール紹介ですけれども。。。
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
最新の資料(日心2018チュートリアル資料)が以下にあります。 ぜひこちらを参考にしてください。 https://osf.io/2wfrj/ 心理学者が無料で簡単に操作できる分析ソフトとして開発されたJASPの操作方法についてです。 デモデータを無理矢理分析に使っているため、一部データに対して適切な分析を行っていない部分もあります。
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
これはとある勉強会でお話したBridgesamplingの話です。 BayesFactorの説明から、StanでBridgeSamplingを使ってBFを求める一歩手前の理論の話です。 間違っているところは多々あると思います。ご連絡頂ければ幸いです。
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
daiki hojo
Tokyo.R #66 LTにて発表した資料です(一部削ってます)。 GoogleCalendarをR ( Shiny ) に実装しました。
Stan勉強会資料(前編)
Stan勉強会資料(前編)
daiki hojo
対象: Stan触ったことない人 目的: Stan触るまで。 某勉強会にてStanについて5時間ほどお話しました。 その前半スライドになります。 何か問題がございましたら、ご連絡下さい。 Codeは、以下に・・・。 https://github.com/dastatis/Stan_Study
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
daiki hojo
ggThemeAssist; ggpubr; ggedit
More from daiki hojo
(8)
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
Bayesian Sushistical Modeling
Bayesian Sushistical Modeling
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
あなたの心にBridgeSampling
あなたの心にBridgeSampling
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
Stan勉強会資料(前編)
Stan勉強会資料(前編)
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
楽にggplotを描く・整える
1.
楽にグラフ描く ggpubr & ggThemeAssist 専修大学大学院文学研究科
M1 北條大樹
2.
本スライドについて • 本スライドは某研究室にてLTをした資料であり,実演箇所や説 明足らずなところが多々あります. • 詳細は,本スライド末尾の参考サイト様に飛ばれることをおす すめいたします.
3.
今日紹介するパッケージはこれ ggpubr 楽に作図する ggThemeAssist 楽に体裁整える
4.
イメージ ggpubr 楽に作図する ggThemeAssist 楽に体裁整える
5.
Rで作図をしたいとき・・・ plot(デフォルト) 長所►簡単に書ける 短所►オサレ感がない・描けない ggplot2 長所►滲み出るオサレ感 短所►記法が冗長・ムズい
6.
Rで作図をしたいとき・・・ plot(デフォルト) 長所►簡単に書ける 短所►オサレ感がない・描けない ggplot2 長所►滲み出るオサレ感 短所►記法が冗長・ムズい オシャレに・簡単に書きたい
7.
ggpubr 特徴 •良く用いられるグラフを簡単にggplot2で作図 使い方 •描きたいグラフの前に”gg”をつけると関数が・・・ •こんな感じ
8.
試しに •箱ひげ図を書く ggboxplot(TestData, x =
"Group", y = "Data1", color = "Group", palette =c("skyblue", "#E7B800", "#FC4E07","green","purple"), shape = "Group")
9.
試しに •箱ひげ図を書く ggboxplot(TestData, x =
"Group", y = "Data1", color = "Group", palette =c("skyblue", "#E7B800", "#FC4E07","green","purple"), shape = "Group")
10.
legend 下に来ている問題 ggboxplot(TestData, x
= "Group", y = "Data1", color = "Group", palette =c("skyblue", "#E7B800", "#FC4E07","green","purple"), shape = "Group")
11.
ggThemeAssist で治していく • ggplotコードを選択しつつ,
Rstudio 上部2段目 addin ボタン から立ち上げる
12.
実演します
13.
完成した!!
14.
参考 ggpubr • https://www.karada-good.net/analyticsr/r-521 • https://github.com/kassambara/ggpubr
(公式) • http://www.sthda.com/english/wiki/ggpubr-r-package- ggplot2-based-publication-ready-plots ggThemeAssist • https://www.karada-good.net/analyticsr/r-478 • https://github.com/calligross/ggthemeassist (公式) • http://www.slideshare.net/nocchi_airport/ggplot2-62471507 (ggplotの説明がメイン)
Download now