SlideShare a Scribd company logo
2020 1 30
1 2
2 2
3 2
3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4 4
4.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2 R mode . . . . . . . . . . . . . . . . . . . . . . . . 4
4.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.4 NULL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5 6
5.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6 7
6.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
6.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
6.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
7 11
7.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
8 11
1
2
1
•
•
• logical, numeric, complex, character
•
•
•
2
R #
#
> #################
> ##
> #################
> cat("ABC") #
ABC
3
> 3 * 4
[1] 12
> 3 * 4 + 2
[1] 14
> 3 * (4 + 2)
[1] 18
> 3/4
[1] 0.75
> -5 / -6
[1] 0.8333333
> (-5)/(-6)
[1] 0.8333333
2
I 2
3.1 2
> 2^3 # ^
[1] 8
> 2**3 # * 2
[1] 8
> 2^3*4 #
[1] 32
> 2^(3*4)
[1] 4096
> 2**3*4 # ** *
[1] 32
> 2**(3*4)
[1] 4096
> sqrt(2)
[1] 1.414214
> 2^(1/2)
[1] 1.414214
log(2) log(2)= loge 2 = ln 2
log(100,10)= log10 100
> log(2)
[1] 0.6931472
> log(100, 10)
[1] 2
> exp(1)
[1] 2.718282
> exp(0.6931472)
[1] 2
absolute values
> abs(-0.2)
[1] 0.2
> abs(0.2)
[1] 0.2
3.1
•
•
•
I 3
2
•
4
4.1
•
• 0 1 0 1
•
=⇒
• R mode
4.2 R mode
• logical : TRUE FALSE
T F
• numeric : R numeric
• complex : i
• character :
mode() mode mode()
> mode(TRUE)
[1] "logical"
> mode(FALSE)
[1] "logical"
> mode(pi) # pi
[1] "numeric"
> mode(2.0)
[1] "numeric"
> mode(2)
[1] "numeric"
> mode(2+2i)
[1] "complex"
> mode(" ")
[1] "character"
I 4
4.3 2
is. ()
> is.character(" ")
[1] TRUE
> is.numeric(" ")
[1] FALSE
> is.numeric(3.14)
[1] TRUE
> is.numeric(pi)
[1] TRUE
> is.logical(FALSE)
[1] TRUE
> is.logical(1)
[1] FALSE
4.3
’<-’
> x <- 3 # x 3
> x #
[1] 3
> is.numeric(x) # x
[1] TRUE
> y <- " "
> y
[1] " "
> is.character(y)
[1] TRUE
> is.numeric(x)
[1] TRUE
> mode(y)
[1] "character"
4.4 NULL
• 0 1 0
NULL
• R NULL
> x <- NULL # NULL
> x # x NULL
NULL
I 5
4.5 2
> is.numeric(x)
[1] FALSE
> is.null(x) # NULL
[1] TRUE
> mode(x) # NULL mode "NULL"
[1] "NULL"
> x <- FALSE # x
> is.null(x) # NULL
[1] FALSE
> is.logical(x)
[1] TRUE
> mode(x)
[1] "logical"
4.5
•
• mode
•
• logical numeric complex character
• mode()
• is. ()
•
• NULL
5
1
R
• vector : mode 1
1
• matrix : mode 2
• array : mode n
I 6
5.1 2
• list :
• data.frame : 2
mode
3
5.1
•
•
• vector, matrix, array, list
•
6
6.1
c() c() combine 1
> c(1, 2, 3, 4) #
[1] 1 2 3 4
> c(1, 2, c(3, 4)) #
[1] 1 2 3 4
> v <- c("a", "b", "c") #
> v # v
[1] "a" "b" "c"
> c(v, v, c(1, 2, 3)) #
[1] "a" "b" "c" "a" "b" "c" "1" "2" "3"
6.2
replicate rep(x, times) x times
I 7
6.3 2
> rep(1, 5)
[1] 1 1 1 1 1
> rep(" ", 3)
[1] " " " " " "
> rep(TRUE, 3)
[1] TRUE TRUE TRUE
> rep(c(1, 2), 3) #
[1] 1 2 1 2 1 2
rep()
sequence seq(from, to, by) from to by
by 1
> seq(1, 10)
[1] 1 2 3 4 5 6 7 8 9 10
> seq(1, 10, 2) # 2
[1] 1 3 5 7 9
> seq(10, 1)
[1] 10 9 8 7 6 5 4 3 2 1
> seq(10, 1, -2)
[1] 10 8 6 4 2
6.3
[1]
> seq(1, 50)
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
[28] 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
> 1
[1] 1
1 1
[]
> x <- 1:10
> x
[1] 1 2 3 4 5 6 7 8 9 10
> x[1]
[1] 1
> x[2]
[1] 2
I 8
6.4 2
> x[10]
[1] 10
[]
> days <- c(" ", " ", " ", " ", " ", " ", " ")
> days
[1] " " " " " " " " " " " " " "
> days[3]
[1] " "
> days[c(1, 2, 3)]
[1] " " " " " "
> days[1:3]
[1] " " " " " "
> days[seq(2, 7, 2)] # 2 1 1
[1] " " " " " "
> days[-3] # 3
[1] " " " " " " " " " " " "
> days[-1:-3] # 1 3
[1] " " " " " " " "
> days[-seq(2, 7, 2)] # seq(2,7,2) c(2,4,6)
[1] " " " " " " " "
length()
> length(days)
[1] 7
> length(x)
[1] 10
6.4
1 1 R
1 50 :
1:50 seq(1,50) 1
> x <- 1:50 # seq(1, 50)
> x
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
I 9
6.5 2
[28] 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
> y <- 50:1 # seq(50, 1)
> y
[1] 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24
[28] 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
> x * 2 # 2
[1] 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
[21] 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80
[41] 82 84 86 88 90 92 94 96 98 100
> x / 2 # 2
[1] 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0
[17] 8.5 9.0 9.5 10.0 10.5 11.0 11.5 12.0 12.5 13.0 13.5 14.0 14.5 15.0 15.5 16.0
[33] 16.5 17.0 17.5 18.0 18.5 19.0 19.5 20.0 20.5 21.0 21.5 22.0 22.5 23.0 23.5 24.0
[49] 24.5 25.0
> x + 100 # 100
[1] 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
[21] 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
[41] 141 142 143 144 145 146 147 148 149 150
> x + y # x y
[1] 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51
[28] 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51
> log(1:5) # log(c(1, 2, 3, 4, 5)) log
[1] 0.0000000 0.6931472 1.0986123 1.3862944 1.6094379
> (1:5)^2 # c(1, 2, 3, 4, 5)^2
[1] 1 4 9 16 25
(1:5)^2 1:5
2 1:5^2 1 52
= 25
> 1:5^2 # 1:25
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
6.5
• :
• c() rep() seq()
•
• length()
I 10
2
7
rep()
> help(rep)
standard deviation help.search()
> help.serach("standard deviation")
stats::sd stats
sd() help(sd)
R
source
R source
help.search()
7.1
• help()
• help.search()
•
• sd()
8
(1) 2, 4, 6, 8, 10 10
[1] 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10
[26] 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10
> rep(seq(2, 10, 2), 10)
(2) 2, 4, 6, 8, 10 100
I 11
2
> rep(seq(2, 10, 2), 100)
(3) sd() 2
> sd(rep(seq(2, 10, 2), 10))
[1] 2.857143
> sd(rep(seq(2, 10, 2), 100))
[1] 2.83126
I 12

More Related Content

What's hot

第1回 Rプログラミングを始めよう
第1回 Rプログラミングを始めよう第1回 Rプログラミングを始めよう
第1回 Rプログラミングを始めよう
Wataru Shito
 
第7回 大規模データを用いたデータフレーム操作実習(1)
第7回 大規模データを用いたデータフレーム操作実習(1)第7回 大規模データを用いたデータフレーム操作実習(1)
第7回 大規模データを用いたデータフレーム操作実習(1)
Wataru Shito
 
第5回 様々なファイル形式の読み込みとデータの書き出し
第5回 様々なファイル形式の読み込みとデータの書き出し第5回 様々なファイル形式の読み込みとデータの書き出し
第5回 様々なファイル形式の読み込みとデータの書き出し
Wataru Shito
 
1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf
1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf
1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf
Dr. Johnson Satya
 
P2 แบบทดสอบคิดคำนวณคล่อง
P2 แบบทดสอบคิดคำนวณคล่องP2 แบบทดสอบคิดคำนวณคล่อง
P2 แบบทดสอบคิดคำนวณคล่อง
Khunnawang Khunnawang
 
యెహోవా దేవుని ఏడు పండుగలు.pdf
యెహోవా దేవుని ఏడు పండుగలు.pdfయెహోవా దేవుని ఏడు పండుగలు.pdf
యెహోవా దేవుని ఏడు పండుగలు.pdf
Dr. Johnson Satya
 
ప్రభువు బల్ల - రొట్టె విరుచు క్రమము
ప్రభువు బల్ల - రొట్టె విరుచు క్రమము ప్రభువు బల్ల - రొట్టె విరుచు క్రమము
ప్రభువు బల్ల - రొట్టె విరుచు క్రమము
Dr. Johnson Satya
 
Azul domino matematico. (1)
Azul domino matematico. (1)Azul domino matematico. (1)
Azul domino matematico. (1)
gatita_muxi
 
పరిశుద్ధాత్మ దేవుడు
పరిశుద్ధాత్మ దేవుడు పరిశుద్ధాత్మ దేవుడు
పరిశుద్ధాత్మ దేవుడు
Dr. Johnson Satya
 
Ranking cbf 2018
Ranking cbf 2018Ranking cbf 2018
Ranking cbf 2018
Wladmir Paulino
 
Titles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలు
Titles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలుTitles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలు
Titles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలు
Shalem Arasavelli
 
Pay Fixation # pay fixation for Kerala Government Employees #Malayalam Note ...
Pay Fixation # pay fixation for Kerala Government Employees  #Malayalam Note ...Pay Fixation # pay fixation for Kerala Government Employees  #Malayalam Note ...
Pay Fixation # pay fixation for Kerala Government Employees #Malayalam Note ...
Jamesadhikaram land matter consultancy 9447464502
 
JORNADA 4 LIGA MURO 2023.pdf
JORNADA 4 LIGA MURO 2023.pdfJORNADA 4 LIGA MURO 2023.pdf
JORNADA 4 LIGA MURO 2023.pdf
Arturo Pacheco Alvarez
 
Lista aprovados brisa
Lista aprovados brisaLista aprovados brisa
Lista aprovados brisa
Revista do Vale
 
JORNADA 10 LIGA MURO.pdf
JORNADA 10 LIGA MURO.pdfJORNADA 10 LIGA MURO.pdf
JORNADA 10 LIGA MURO.pdf
Arturo Pacheco Alvarez
 
JORNADA 1.docx
JORNADA 1.docxJORNADA 1.docx
JORNADA 1.docx
Arturo Pacheco Alvarez
 
Tabla distribucion normal
Tabla distribucion normalTabla distribucion normal
Tabla distribucion normal
Angie Huertas R
 
Desain Thresher (Mesin Perontok Padi)
Desain Thresher (Mesin Perontok Padi)Desain Thresher (Mesin Perontok Padi)
Desain Thresher (Mesin Perontok Padi)
Bambang Sujanarko
 
JORNADA 14 LIGA MURO 2023.pdf
JORNADA 14 LIGA MURO 2023.pdfJORNADA 14 LIGA MURO 2023.pdf
JORNADA 14 LIGA MURO 2023.pdf
Arturo Pacheco Alvarez
 
Fullbook ips sd_mi_kelas_1
Fullbook ips sd_mi_kelas_1Fullbook ips sd_mi_kelas_1
Fullbook ips sd_mi_kelas_1
Sdit Rahmah
 

What's hot (20)

第1回 Rプログラミングを始めよう
第1回 Rプログラミングを始めよう第1回 Rプログラミングを始めよう
第1回 Rプログラミングを始めよう
 
第7回 大規模データを用いたデータフレーム操作実習(1)
第7回 大規模データを用いたデータフレーム操作実習(1)第7回 大規模データを用いたデータフレーム操作実習(1)
第7回 大規模データを用いたデータフレーム操作実習(1)
 
第5回 様々なファイル形式の読み込みとデータの書き出し
第5回 様々なファイル形式の読み込みとデータの書き出し第5回 様々なファイル形式の読み込みとデータの書き出し
第5回 様々なファイル形式の読み込みとデータの書き出し
 
1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf
1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf
1వ యోహాను వ్రాసిన పత్రికా 1-john-.pdf
 
P2 แบบทดสอบคิดคำนวณคล่อง
P2 แบบทดสอบคิดคำนวณคล่องP2 แบบทดสอบคิดคำนวณคล่อง
P2 แบบทดสอบคิดคำนวณคล่อง
 
యెహోవా దేవుని ఏడు పండుగలు.pdf
యెహోవా దేవుని ఏడు పండుగలు.pdfయెహోవా దేవుని ఏడు పండుగలు.pdf
యెహోవా దేవుని ఏడు పండుగలు.pdf
 
ప్రభువు బల్ల - రొట్టె విరుచు క్రమము
ప్రభువు బల్ల - రొట్టె విరుచు క్రమము ప్రభువు బల్ల - రొట్టె విరుచు క్రమము
ప్రభువు బల్ల - రొట్టె విరుచు క్రమము
 
Azul domino matematico. (1)
Azul domino matematico. (1)Azul domino matematico. (1)
Azul domino matematico. (1)
 
పరిశుద్ధాత్మ దేవుడు
పరిశుద్ధాత్మ దేవుడు పరిశుద్ధాత్మ దేవుడు
పరిశుద్ధాత్మ దేవుడు
 
Ranking cbf 2018
Ranking cbf 2018Ranking cbf 2018
Ranking cbf 2018
 
Titles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలు
Titles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలుTitles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలు
Titles in the Book of Psalms - Telugu కీర్తనల గ్రంథంలో శీర్షికలు
 
Pay Fixation # pay fixation for Kerala Government Employees #Malayalam Note ...
Pay Fixation # pay fixation for Kerala Government Employees  #Malayalam Note ...Pay Fixation # pay fixation for Kerala Government Employees  #Malayalam Note ...
Pay Fixation # pay fixation for Kerala Government Employees #Malayalam Note ...
 
JORNADA 4 LIGA MURO 2023.pdf
JORNADA 4 LIGA MURO 2023.pdfJORNADA 4 LIGA MURO 2023.pdf
JORNADA 4 LIGA MURO 2023.pdf
 
Lista aprovados brisa
Lista aprovados brisaLista aprovados brisa
Lista aprovados brisa
 
JORNADA 10 LIGA MURO.pdf
JORNADA 10 LIGA MURO.pdfJORNADA 10 LIGA MURO.pdf
JORNADA 10 LIGA MURO.pdf
 
JORNADA 1.docx
JORNADA 1.docxJORNADA 1.docx
JORNADA 1.docx
 
Tabla distribucion normal
Tabla distribucion normalTabla distribucion normal
Tabla distribucion normal
 
Desain Thresher (Mesin Perontok Padi)
Desain Thresher (Mesin Perontok Padi)Desain Thresher (Mesin Perontok Padi)
Desain Thresher (Mesin Perontok Padi)
 
JORNADA 14 LIGA MURO 2023.pdf
JORNADA 14 LIGA MURO 2023.pdfJORNADA 14 LIGA MURO 2023.pdf
JORNADA 14 LIGA MURO 2023.pdf
 
Fullbook ips sd_mi_kelas_1
Fullbook ips sd_mi_kelas_1Fullbook ips sd_mi_kelas_1
Fullbook ips sd_mi_kelas_1
 

Similar to 第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)

PRE: Datamining 2nd R
PRE: Datamining 2nd RPRE: Datamining 2nd R
PRE: Datamining 2nd R
sesejun
 
Datamining R 1st
Datamining R 1stDatamining R 1st
Datamining R 1st
sesejun
 
Datamining r 1st
Datamining r 1stDatamining r 1st
Datamining r 1st
sesejun
 
第4回 データフレームの基本操作 その2
第4回 データフレームの基本操作 その2第4回 データフレームの基本操作 その2
第4回 データフレームの基本操作 その2
Wataru Shito
 
第3回 データフレームの基本操作 その1
第3回 データフレームの基本操作 その1第3回 データフレームの基本操作 その1
第3回 データフレームの基本操作 その1
Wataru Shito
 
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
Attention-Based Adaptive Selection of Operations for Image Restoration in the...Attention-Based Adaptive Selection of Operations for Image Restoration in the...
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
MasanoriSuganuma
 
11o Φ.Α. 8.1.pdf
11o Φ.Α. 8.1.pdf11o Φ.Α. 8.1.pdf
11o Φ.Α. 8.1.pdf
Anthimos Misailidis
 
ΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdf
ΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdfΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdf
ΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdf
Anthimos Misailidis
 
Visual art 1
Visual art 1Visual art 1
Visual art 1
pironchit
 
R programming language
R programming languageR programming language
R programming language
Alberto Minetti
 
Introduction to machine learning algorithms
Introduction to machine learning algorithmsIntroduction to machine learning algorithms
Introduction to machine learning algorithms
bigdata trunk
 
Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...
Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...
Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...
Jhonatan Minchán
 
Solucionario de matemáticas para administación y economia
Solucionario de matemáticas para administación y economiaSolucionario de matemáticas para administación y economia
Solucionario de matemáticas para administación y economia
Luis Perez Anampa
 
31350052 introductory-mathematical-analysis-textbook-solution-manual
31350052 introductory-mathematical-analysis-textbook-solution-manual31350052 introductory-mathematical-analysis-textbook-solution-manual
31350052 introductory-mathematical-analysis-textbook-solution-manual
Mahrukh Khalid
 
Sol mat haeussler_by_priale
Sol mat haeussler_by_prialeSol mat haeussler_by_priale
Sol mat haeussler_by_priale
Jeff Chasi
 
MATLAB ARRAYS
MATLAB ARRAYSMATLAB ARRAYS
MATLAB ARRAYS
Aditya Choudhury
 
basic mathematics practice of using R Tool
basic mathematics  practice of using R Toolbasic mathematics  practice of using R Tool
basic mathematics practice of using R Tool
SahilBhavsar5
 
01_introduction_lab.pdf
01_introduction_lab.pdf01_introduction_lab.pdf
01_introduction_lab.pdf
zehiwot hone
 
Mat fin
Mat finMat fin
Mat fin
Ellen0101
 
Thesis-presentation: Tuenti Engineering
Thesis-presentation: Tuenti EngineeringThesis-presentation: Tuenti Engineering
Thesis-presentation: Tuenti Engineering
Marcus Ljungblad
 

Similar to 第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き) (20)

PRE: Datamining 2nd R
PRE: Datamining 2nd RPRE: Datamining 2nd R
PRE: Datamining 2nd R
 
Datamining R 1st
Datamining R 1stDatamining R 1st
Datamining R 1st
 
Datamining r 1st
Datamining r 1stDatamining r 1st
Datamining r 1st
 
第4回 データフレームの基本操作 その2
第4回 データフレームの基本操作 その2第4回 データフレームの基本操作 その2
第4回 データフレームの基本操作 その2
 
第3回 データフレームの基本操作 その1
第3回 データフレームの基本操作 その1第3回 データフレームの基本操作 その1
第3回 データフレームの基本操作 その1
 
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
Attention-Based Adaptive Selection of Operations for Image Restoration in the...Attention-Based Adaptive Selection of Operations for Image Restoration in the...
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
 
11o Φ.Α. 8.1.pdf
11o Φ.Α. 8.1.pdf11o Φ.Α. 8.1.pdf
11o Φ.Α. 8.1.pdf
 
ΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdf
ΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdfΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdf
ΛΥΣΕΙΣ - 11o Φ.Α. 8.1.pdf
 
Visual art 1
Visual art 1Visual art 1
Visual art 1
 
R programming language
R programming languageR programming language
R programming language
 
Introduction to machine learning algorithms
Introduction to machine learning algorithmsIntroduction to machine learning algorithms
Introduction to machine learning algorithms
 
Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...
Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...
Ernest f. haeussler, richard s. paul y richard j. wood. matemáticas para admi...
 
Solucionario de matemáticas para administación y economia
Solucionario de matemáticas para administación y economiaSolucionario de matemáticas para administación y economia
Solucionario de matemáticas para administación y economia
 
31350052 introductory-mathematical-analysis-textbook-solution-manual
31350052 introductory-mathematical-analysis-textbook-solution-manual31350052 introductory-mathematical-analysis-textbook-solution-manual
31350052 introductory-mathematical-analysis-textbook-solution-manual
 
Sol mat haeussler_by_priale
Sol mat haeussler_by_prialeSol mat haeussler_by_priale
Sol mat haeussler_by_priale
 
MATLAB ARRAYS
MATLAB ARRAYSMATLAB ARRAYS
MATLAB ARRAYS
 
basic mathematics practice of using R Tool
basic mathematics  practice of using R Toolbasic mathematics  practice of using R Tool
basic mathematics practice of using R Tool
 
01_introduction_lab.pdf
01_introduction_lab.pdf01_introduction_lab.pdf
01_introduction_lab.pdf
 
Mat fin
Mat finMat fin
Mat fin
 
Thesis-presentation: Tuenti Engineering
Thesis-presentation: Tuenti EngineeringThesis-presentation: Tuenti Engineering
Thesis-presentation: Tuenti Engineering
 

More from Wataru Shito

第3章 遅延学習---最近傍法を使った分類
第3章 遅延学習---最近傍法を使った分類第3章 遅延学習---最近傍法を使った分類
第3章 遅延学習---最近傍法を使った分類
Wataru Shito
 
統計的推定の基礎 2 -- 分散の推定
統計的推定の基礎 2 -- 分散の推定統計的推定の基礎 2 -- 分散の推定
統計的推定の基礎 2 -- 分散の推定
Wataru Shito
 
統計的推定の基礎 1 -- 期待値の推定
統計的推定の基礎 1 -- 期待値の推定統計的推定の基礎 1 -- 期待値の推定
統計的推定の基礎 1 -- 期待値の推定
Wataru Shito
 
第4章 確率的学習---単純ベイズを使った分類
第4章 確率的学習---単純ベイズを使った分類第4章 確率的学習---単純ベイズを使った分類
第4章 確率的学習---単純ベイズを使った分類
Wataru Shito
 
演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート
Wataru Shito
 
演習II.第1章 ベイズ推論の考え方 Part 3.スライド
演習II.第1章 ベイズ推論の考え方 Part 3.スライド演習II.第1章 ベイズ推論の考え方 Part 3.スライド
演習II.第1章 ベイズ推論の考え方 Part 3.スライド
Wataru Shito
 
演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート
Wataru Shito
 
演習II.第1章 ベイズ推論の考え方 Part 2.スライド
演習II.第1章 ベイズ推論の考え方 Part 2.スライド演習II.第1章 ベイズ推論の考え方 Part 2.スライド
演習II.第1章 ベイズ推論の考え方 Part 2.スライド
Wataru Shito
 
演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート
Wataru Shito
 
マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」
マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」
マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」
Wataru Shito
 
経済数学II 「第9章 最適化(Optimization)」
経済数学II 「第9章 最適化(Optimization)」経済数学II 「第9章 最適化(Optimization)」
経済数学II 「第9章 最適化(Optimization)」
Wataru Shito
 
マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」
マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」
マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」
Wataru Shito
 
経済数学II 「第12章 制約つき最適化」
経済数学II 「第12章 制約つき最適化」経済数学II 「第12章 制約つき最適化」
経済数学II 「第12章 制約つき最適化」
Wataru Shito
 
マクロ経済学I 「第9章 総需要 I」
マクロ経済学I 「第9章 総需要 I」マクロ経済学I 「第9章 総需要 I」
マクロ経済学I 「第9章 総需要 I」
Wataru Shito
 
経済数学II 「第11章 選択変数が2個以上の場合の最適化」
経済数学II 「第11章 選択変数が2個以上の場合の最適化」経済数学II 「第11章 選択変数が2個以上の場合の最適化」
経済数学II 「第11章 選択変数が2個以上の場合の最適化」
Wataru Shito
 
マクロ経済学I 「第6章 開放経済の長期分析」
マクロ経済学I 「第6章 開放経済の長期分析」マクロ経済学I 「第6章 開放経済の長期分析」
マクロ経済学I 「第6章 開放経済の長期分析」
Wataru Shito
 
経済数学II 「第8章 一般関数型モデルの比較静学」
経済数学II 「第8章 一般関数型モデルの比較静学」経済数学II 「第8章 一般関数型モデルの比較静学」
経済数学II 「第8章 一般関数型モデルの比較静学」
Wataru Shito
 
マクロ経済学I 「第4,5章 貨幣とインフレーション」
マクロ経済学I 「第4,5章 貨幣とインフレーション」マクロ経済学I 「第4,5章 貨幣とインフレーション」
マクロ経済学I 「第4,5章 貨幣とインフレーション」
Wataru Shito
 
マクロ経済学I 「第3章 長期閉鎖経済モデル」
マクロ経済学I 「第3章 長期閉鎖経済モデル」マクロ経済学I 「第3章 長期閉鎖経済モデル」
マクロ経済学I 「第3章 長期閉鎖経済モデル」
Wataru Shito
 
経済数学II 「第7章 微分法とその比較静学への応用」
経済数学II 「第7章 微分法とその比較静学への応用」経済数学II 「第7章 微分法とその比較静学への応用」
経済数学II 「第7章 微分法とその比較静学への応用」
Wataru Shito
 

More from Wataru Shito (20)

第3章 遅延学習---最近傍法を使った分類
第3章 遅延学習---最近傍法を使った分類第3章 遅延学習---最近傍法を使った分類
第3章 遅延学習---最近傍法を使った分類
 
統計的推定の基礎 2 -- 分散の推定
統計的推定の基礎 2 -- 分散の推定統計的推定の基礎 2 -- 分散の推定
統計的推定の基礎 2 -- 分散の推定
 
統計的推定の基礎 1 -- 期待値の推定
統計的推定の基礎 1 -- 期待値の推定統計的推定の基礎 1 -- 期待値の推定
統計的推定の基礎 1 -- 期待値の推定
 
第4章 確率的学習---単純ベイズを使った分類
第4章 確率的学習---単純ベイズを使った分類第4章 確率的学習---単純ベイズを使った分類
第4章 確率的学習---単純ベイズを使った分類
 
演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 3.講義ノート
 
演習II.第1章 ベイズ推論の考え方 Part 3.スライド
演習II.第1章 ベイズ推論の考え方 Part 3.スライド演習II.第1章 ベイズ推論の考え方 Part 3.スライド
演習II.第1章 ベイズ推論の考え方 Part 3.スライド
 
演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 2.講義ノート
 
演習II.第1章 ベイズ推論の考え方 Part 2.スライド
演習II.第1章 ベイズ推論の考え方 Part 2.スライド演習II.第1章 ベイズ推論の考え方 Part 2.スライド
演習II.第1章 ベイズ推論の考え方 Part 2.スライド
 
演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート
演習II.第1章 ベイズ推論の考え方 Part 1.講義ノート
 
マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」
マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」
マクロ経済学I 「第8章 総需要・総供給分析(AD-AS分析)」
 
経済数学II 「第9章 最適化(Optimization)」
経済数学II 「第9章 最適化(Optimization)」経済数学II 「第9章 最適化(Optimization)」
経済数学II 「第9章 最適化(Optimization)」
 
マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」
マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」
マクロ経済学I 「第10章 総需要 II.IS-LM分析とAD曲線」
 
経済数学II 「第12章 制約つき最適化」
経済数学II 「第12章 制約つき最適化」経済数学II 「第12章 制約つき最適化」
経済数学II 「第12章 制約つき最適化」
 
マクロ経済学I 「第9章 総需要 I」
マクロ経済学I 「第9章 総需要 I」マクロ経済学I 「第9章 総需要 I」
マクロ経済学I 「第9章 総需要 I」
 
経済数学II 「第11章 選択変数が2個以上の場合の最適化」
経済数学II 「第11章 選択変数が2個以上の場合の最適化」経済数学II 「第11章 選択変数が2個以上の場合の最適化」
経済数学II 「第11章 選択変数が2個以上の場合の最適化」
 
マクロ経済学I 「第6章 開放経済の長期分析」
マクロ経済学I 「第6章 開放経済の長期分析」マクロ経済学I 「第6章 開放経済の長期分析」
マクロ経済学I 「第6章 開放経済の長期分析」
 
経済数学II 「第8章 一般関数型モデルの比較静学」
経済数学II 「第8章 一般関数型モデルの比較静学」経済数学II 「第8章 一般関数型モデルの比較静学」
経済数学II 「第8章 一般関数型モデルの比較静学」
 
マクロ経済学I 「第4,5章 貨幣とインフレーション」
マクロ経済学I 「第4,5章 貨幣とインフレーション」マクロ経済学I 「第4,5章 貨幣とインフレーション」
マクロ経済学I 「第4,5章 貨幣とインフレーション」
 
マクロ経済学I 「第3章 長期閉鎖経済モデル」
マクロ経済学I 「第3章 長期閉鎖経済モデル」マクロ経済学I 「第3章 長期閉鎖経済モデル」
マクロ経済学I 「第3章 長期閉鎖経済モデル」
 
経済数学II 「第7章 微分法とその比較静学への応用」
経済数学II 「第7章 微分法とその比較静学への応用」経済数学II 「第7章 微分法とその比較静学への応用」
経済数学II 「第7章 微分法とその比較静学への応用」
 

Recently uploaded

potential development of the A* search algorithm specifically
potential development of the A* search algorithm specificallypotential development of the A* search algorithm specifically
potential development of the A* search algorithm specifically
huseindihon
 
DataScienceConcept_Kanchana_Weerasinghe.pptx
DataScienceConcept_Kanchana_Weerasinghe.pptxDataScienceConcept_Kanchana_Weerasinghe.pptx
DataScienceConcept_Kanchana_Weerasinghe.pptx
Kanchana Weerasinghe
 
Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...
Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...
Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...
vrvipin164
 
Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...
Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...
Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...
janvikumar4133
 
Fine-Tuning of Small/Medium LLMs for Business QA on Structured Data
Fine-Tuning of Small/Medium LLMs for Business QA on Structured DataFine-Tuning of Small/Medium LLMs for Business QA on Structured Data
Fine-Tuning of Small/Medium LLMs for Business QA on Structured Data
kevig
 
Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...
Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...
Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...
dizzycaye
 
Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...
Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...
Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...
kinni singh$A17
 
Supervised Learning (Data Science).pptx
Supervised Learning  (Data Science).pptxSupervised Learning  (Data Science).pptx
Supervised Learning (Data Science).pptx
TARIKU ENDALE
 
OpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy Dsouza
OpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy DsouzaOpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy Dsouza
OpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy Dsouza
OpenMetadata
 
the unexpected potential of Dijkstra's Algorithm
the unexpected potential of Dijkstra's Algorithmthe unexpected potential of Dijkstra's Algorithm
the unexpected potential of Dijkstra's Algorithm
huseindihon
 
Nipissing University degree offer Nipissing diploma Transcript
Nipissing University degree offer Nipissing diploma TranscriptNipissing University degree offer Nipissing diploma Transcript
Nipissing University degree offer Nipissing diploma Transcript
zyqedad
 
BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...
BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...
BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...
fatima shekh$A17
 
Introduction to the Red Hat Portfolio.pdf
Introduction to the Red Hat Portfolio.pdfIntroduction to the Red Hat Portfolio.pdf
Introduction to the Red Hat Portfolio.pdf
kihus38
 
Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...
Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...
Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...
tanupasswan6
 
ch8_multiplexing cs553 st07 slide share ss
ch8_multiplexing cs553 st07 slide share ssch8_multiplexing cs553 st07 slide share ss
ch8_multiplexing cs553 st07 slide share ss
MinThetLwin1
 
Potential Uses of the Floyd-Warshall Algorithm as appropriate
Potential Uses of the Floyd-Warshall Algorithm as appropriatePotential Uses of the Floyd-Warshall Algorithm as appropriate
Potential Uses of the Floyd-Warshall Algorithm as appropriate
huseindihon
 
bai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).doc
bai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).docbai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).doc
bai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).doc
PhngThLmHnh
 
Data Preprocessing Cheatsheet for learners
Data Preprocessing Cheatsheet for learnersData Preprocessing Cheatsheet for learners
Data Preprocessing Cheatsheet for learners
mohamed Ibrahim
 
all about the data science process, covering the steps present in almost ever...
all about the data science process, covering the steps present in almost ever...all about the data science process, covering the steps present in almost ever...
all about the data science process, covering the steps present in almost ever...
palaniappancse
 
High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...
High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...
High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...
saadkhan1485265
 

Recently uploaded (20)

potential development of the A* search algorithm specifically
potential development of the A* search algorithm specificallypotential development of the A* search algorithm specifically
potential development of the A* search algorithm specifically
 
DataScienceConcept_Kanchana_Weerasinghe.pptx
DataScienceConcept_Kanchana_Weerasinghe.pptxDataScienceConcept_Kanchana_Weerasinghe.pptx
DataScienceConcept_Kanchana_Weerasinghe.pptx
 
Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...
Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...
Coimbatore Girls call Service 000XX00000 Provide Best And Top Girl Service An...
 
Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...
Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...
Beautiful Girls Call 9711199171 9711199171 Provide Best And Top Girl Service ...
 
Fine-Tuning of Small/Medium LLMs for Business QA on Structured Data
Fine-Tuning of Small/Medium LLMs for Business QA on Structured DataFine-Tuning of Small/Medium LLMs for Business QA on Structured Data
Fine-Tuning of Small/Medium LLMs for Business QA on Structured Data
 
Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...
Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...
Female Service Girls Call Navi Mumbai 9930245274 Provide Best And Top Girl Se...
 
Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...
Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...
Noida Girls Call Noida 9873940964 Unlimited Short Providing Girls Service Ava...
 
Supervised Learning (Data Science).pptx
Supervised Learning  (Data Science).pptxSupervised Learning  (Data Science).pptx
Supervised Learning (Data Science).pptx
 
OpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy Dsouza
OpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy DsouzaOpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy Dsouza
OpenMetadata Spotlight - OpenMetadata @ Aspire by Vinol Joy Dsouza
 
the unexpected potential of Dijkstra's Algorithm
the unexpected potential of Dijkstra's Algorithmthe unexpected potential of Dijkstra's Algorithm
the unexpected potential of Dijkstra's Algorithm
 
Nipissing University degree offer Nipissing diploma Transcript
Nipissing University degree offer Nipissing diploma TranscriptNipissing University degree offer Nipissing diploma Transcript
Nipissing University degree offer Nipissing diploma Transcript
 
BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...
BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...
BDSM Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And ...
 
Introduction to the Red Hat Portfolio.pdf
Introduction to the Red Hat Portfolio.pdfIntroduction to the Red Hat Portfolio.pdf
Introduction to the Red Hat Portfolio.pdf
 
Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...
Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...
Busty Girls Call Delhi 🎈🔥9711199171 🔥💋🎈 Provide Best And Top Girl Service And...
 
ch8_multiplexing cs553 st07 slide share ss
ch8_multiplexing cs553 st07 slide share ssch8_multiplexing cs553 st07 slide share ss
ch8_multiplexing cs553 st07 slide share ss
 
Potential Uses of the Floyd-Warshall Algorithm as appropriate
Potential Uses of the Floyd-Warshall Algorithm as appropriatePotential Uses of the Floyd-Warshall Algorithm as appropriate
Potential Uses of the Floyd-Warshall Algorithm as appropriate
 
bai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).doc
bai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).docbai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).doc
bai-tap-tieng-anh-lop-12-unit-4-the-mass-media (1).doc
 
Data Preprocessing Cheatsheet for learners
Data Preprocessing Cheatsheet for learnersData Preprocessing Cheatsheet for learners
Data Preprocessing Cheatsheet for learners
 
all about the data science process, covering the steps present in almost ever...
all about the data science process, covering the steps present in almost ever...all about the data science process, covering the steps present in almost ever...
all about the data science process, covering the steps present in almost ever...
 
High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...
High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...
High Girls Call Nagpur 000XX00000 Provide Best And Top Girl Service And No1 i...
 

第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)

  • 1. 2020 1 30 1 2 2 2 3 2 3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 4 4 4.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 4.2 R mode . . . . . . . . . . . . . . . . . . . . . . . . 4 4.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4.4 NULL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 5 6 5.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6 7 6.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 6.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 7 11 7.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 8 11 1
  • 2. 2 1 • • • logical, numeric, complex, character • • • 2 R # # > ################# > ## > ################# > cat("ABC") # ABC 3 > 3 * 4 [1] 12 > 3 * 4 + 2 [1] 14 > 3 * (4 + 2) [1] 18 > 3/4 [1] 0.75 > -5 / -6 [1] 0.8333333 > (-5)/(-6) [1] 0.8333333 2 I 2
  • 3. 3.1 2 > 2^3 # ^ [1] 8 > 2**3 # * 2 [1] 8 > 2^3*4 # [1] 32 > 2^(3*4) [1] 4096 > 2**3*4 # ** * [1] 32 > 2**(3*4) [1] 4096 > sqrt(2) [1] 1.414214 > 2^(1/2) [1] 1.414214 log(2) log(2)= loge 2 = ln 2 log(100,10)= log10 100 > log(2) [1] 0.6931472 > log(100, 10) [1] 2 > exp(1) [1] 2.718282 > exp(0.6931472) [1] 2 absolute values > abs(-0.2) [1] 0.2 > abs(0.2) [1] 0.2 3.1 • • • I 3
  • 4. 2 • 4 4.1 • • 0 1 0 1 • =⇒ • R mode 4.2 R mode • logical : TRUE FALSE T F • numeric : R numeric • complex : i • character : mode() mode mode() > mode(TRUE) [1] "logical" > mode(FALSE) [1] "logical" > mode(pi) # pi [1] "numeric" > mode(2.0) [1] "numeric" > mode(2) [1] "numeric" > mode(2+2i) [1] "complex" > mode(" ") [1] "character" I 4
  • 5. 4.3 2 is. () > is.character(" ") [1] TRUE > is.numeric(" ") [1] FALSE > is.numeric(3.14) [1] TRUE > is.numeric(pi) [1] TRUE > is.logical(FALSE) [1] TRUE > is.logical(1) [1] FALSE 4.3 ’<-’ > x <- 3 # x 3 > x # [1] 3 > is.numeric(x) # x [1] TRUE > y <- " " > y [1] " " > is.character(y) [1] TRUE > is.numeric(x) [1] TRUE > mode(y) [1] "character" 4.4 NULL • 0 1 0 NULL • R NULL > x <- NULL # NULL > x # x NULL NULL I 5
  • 6. 4.5 2 > is.numeric(x) [1] FALSE > is.null(x) # NULL [1] TRUE > mode(x) # NULL mode "NULL" [1] "NULL" > x <- FALSE # x > is.null(x) # NULL [1] FALSE > is.logical(x) [1] TRUE > mode(x) [1] "logical" 4.5 • • mode • • logical numeric complex character • mode() • is. () • • NULL 5 1 R • vector : mode 1 1 • matrix : mode 2 • array : mode n I 6
  • 7. 5.1 2 • list : • data.frame : 2 mode 3 5.1 • • • vector, matrix, array, list • 6 6.1 c() c() combine 1 > c(1, 2, 3, 4) # [1] 1 2 3 4 > c(1, 2, c(3, 4)) # [1] 1 2 3 4 > v <- c("a", "b", "c") # > v # v [1] "a" "b" "c" > c(v, v, c(1, 2, 3)) # [1] "a" "b" "c" "a" "b" "c" "1" "2" "3" 6.2 replicate rep(x, times) x times I 7
  • 8. 6.3 2 > rep(1, 5) [1] 1 1 1 1 1 > rep(" ", 3) [1] " " " " " " > rep(TRUE, 3) [1] TRUE TRUE TRUE > rep(c(1, 2), 3) # [1] 1 2 1 2 1 2 rep() sequence seq(from, to, by) from to by by 1 > seq(1, 10) [1] 1 2 3 4 5 6 7 8 9 10 > seq(1, 10, 2) # 2 [1] 1 3 5 7 9 > seq(10, 1) [1] 10 9 8 7 6 5 4 3 2 1 > seq(10, 1, -2) [1] 10 8 6 4 2 6.3 [1] > seq(1, 50) [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 [28] 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 > 1 [1] 1 1 1 [] > x <- 1:10 > x [1] 1 2 3 4 5 6 7 8 9 10 > x[1] [1] 1 > x[2] [1] 2 I 8
  • 9. 6.4 2 > x[10] [1] 10 [] > days <- c(" ", " ", " ", " ", " ", " ", " ") > days [1] " " " " " " " " " " " " " " > days[3] [1] " " > days[c(1, 2, 3)] [1] " " " " " " > days[1:3] [1] " " " " " " > days[seq(2, 7, 2)] # 2 1 1 [1] " " " " " " > days[-3] # 3 [1] " " " " " " " " " " " " > days[-1:-3] # 1 3 [1] " " " " " " " " > days[-seq(2, 7, 2)] # seq(2,7,2) c(2,4,6) [1] " " " " " " " " length() > length(days) [1] 7 > length(x) [1] 10 6.4 1 1 R 1 50 : 1:50 seq(1,50) 1 > x <- 1:50 # seq(1, 50) > x [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 I 9
  • 10. 6.5 2 [28] 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 > y <- 50:1 # seq(50, 1) > y [1] 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 [28] 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 > x * 2 # 2 [1] 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 [21] 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 [41] 82 84 86 88 90 92 94 96 98 100 > x / 2 # 2 [1] 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 [17] 8.5 9.0 9.5 10.0 10.5 11.0 11.5 12.0 12.5 13.0 13.5 14.0 14.5 15.0 15.5 16.0 [33] 16.5 17.0 17.5 18.0 18.5 19.0 19.5 20.0 20.5 21.0 21.5 22.0 22.5 23.0 23.5 24.0 [49] 24.5 25.0 > x + 100 # 100 [1] 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 [21] 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 [41] 141 142 143 144 145 146 147 148 149 150 > x + y # x y [1] 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 [28] 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 > log(1:5) # log(c(1, 2, 3, 4, 5)) log [1] 0.0000000 0.6931472 1.0986123 1.3862944 1.6094379 > (1:5)^2 # c(1, 2, 3, 4, 5)^2 [1] 1 4 9 16 25 (1:5)^2 1:5 2 1:5^2 1 52 = 25 > 1:5^2 # 1:25 [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 6.5 • : • c() rep() seq() • • length() I 10
  • 11. 2 7 rep() > help(rep) standard deviation help.search() > help.serach("standard deviation") stats::sd stats sd() help(sd) R source R source help.search() 7.1 • help() • help.search() • • sd() 8 (1) 2, 4, 6, 8, 10 10 [1] 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 [26] 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 > rep(seq(2, 10, 2), 10) (2) 2, 4, 6, 8, 10 100 I 11
  • 12. 2 > rep(seq(2, 10, 2), 100) (3) sd() 2 > sd(rep(seq(2, 10, 2), 10)) [1] 2.857143 > sd(rep(seq(2, 10, 2), 100)) [1] 2.83126 I 12