Analisi dei Dati con R - Modulo 1

Analisi dei dati con applicazioni informatiche - Appunti di studio

• Modulo 1: Introduzione generale al pacchetto R

  • Il pacchetto R è un software statistico open-source e gratuito, originariamente sviluppato in ambito accademico.
  • Si contrappone a software commerciali, come 'S+', caratterizzati da licenze a pagamento.
  • Il progetto R si basa sull'ambiente GNU, garantendo il software gratuito, lo sviluppo accademico, e flessibilità per gli utenti.
  • R offre delle proprietà fondamentali: set di strumenti per l'analisi statistica dei dati, linguaggio di programmazione Object-oriented per la descrizione dei modelli statistici, e la gestione ottimale della rappresentazione dei grafici.

• Il linguaggio base di R

  • R richiede l'apprendimento di un linguaggio di programmazione.
  • Le operazioni si svolgono tramite la scrittura di comandi (sintassi).
  • Si utilizzano le parentesi tonde.
  • Gli operatori aritmetici includono: addizione (+), sottrazione (-), moltiplicazione (*), divisione (/), elevamento a potenza (^).

• Operatori di confronto

  • Gli operatori di confronto permettono il confronto tra quantità: minore (<), maggiore (>), minore o uguale (<=), maggiore o uguale (>=), uguale (==), diverso (!=).
  • I simboli ≥ e ≤ vengono inseriti senza spazi.
  • L'uso di parentesi tonde è fondamentale per specificare correttamente l'ordine delle operazioni matematiche.

• Operatori logici

  • R utilizza 3 operatori logici fondamentali: congiunzione (&), disgiunzione (|), negazione (!).
  • Congiunzione logica: l'operatore & restituisce TRUE solo se entrambi i termini sono TRUE.
  • Disgiunzione logica: l'operatore | restituisce TRUE se almeno uno dei termini è TRUE.
  • Negazione logica: l'operatore ! inverte il valore booleano di un termine.
  • Le tavole di verità vengono utilizzate per comprendere i risultati combinando questi operatori logici.

• Funzioni matematiche

  • R offre numerose funzioni matematiche, ad esempio log (), exp (), abs (), sqrt (), round (), sign ().
  • Ogni funzione prende input e produce un output.
  • Queste funzioni sono utili per operazioni matematiche di base e possono essere combinate tra loro.

• Variabili e costanti

  • Le variabili sono oggetti che contengono valori, cui nome deve essere univoco e non deve mai contenere spazi.
  • Le costanti contengono valori fissi come pi (π).
  • Si possono assegnare valori a una variabile usando <- o =.
  • Si possono cancellare le variabili con la funzione rm(nomeListaVariabile).
  • Le variabili possono essere di tipo numerico, logico (TRUE/FALSE), o stringa.

• Operatore di concatenazione

  • L'operatore c() serve a concatenare più valori o variabili in un'unica variabile.
  • Per concatenare elementi all'interno di una lista uso le parentesi tonde [[.]].
  • Gli oggetti all'interno di una lista possono essere di tipo diverso.
  • Per visualizzare i valori di una lista è necessario specificare NomeListaVariabile$NomeListaVariabile.

• Oggetti lista e operatore di selezione

  • Le liste sono strutture dati che contengono una collezione di oggetti, i quali possono avere diversi tipi di dati (numerici, logici, etc.).
  • L'operatore di selezione [] si usa per accedere agli elementi di una lista in base alla loro posizione.
  • Posso accedere agli elementi con il nome degli oggetti: NomeListaVariabile$NomeElementoLista.

• Operatore di selezione

  • L'operatore [] permette la selezione di elementi all'interno di oggetti.
  • Utilizzato per selezionare righe e colonne di una matrice.
  • Utilizzato per selezionare particolari elementi o sottoinsiemi di una lista.
  • Ad esempio, per selezionare elementi di un vettore, indichiamo tramite parentesi quadre le posizioni degli elementi.

• Oggetti data frame

  • I data frame sono strutture dati in R utili per organizzare dati tabulari, con righe che rappresentano gli individui e colonne che rappresentano le variabili.
  • Possono contenere diversi tipi di dati e vengono utilizzati per analizzare insieme di dati.

• Funzioni per sintesi di dati

  • summary(): riassume le statistiche (minimo, primo quartile, mediana, media, terzo quartile, massimo) di variabili numeriche e informazioni su variabili di altro tipo.
  • apply(): applica una funzione (es. somma, media) a un insieme di righe o colonne in un data frame o altro oggetto.

• Distribuzioni di probabilità continue

  • Sono rappresentate con una funzione di densità, un grafico come curva che riassume la probabilità di un certo intervallo.

• Distribuzioni di probabilità discrete

  • Sono discreti, assumono valori solo in un insieme numerabile di valori.

• La funzione quantile

  • Calcola il valore di x che corrisponde ad una certa probabilità.

• La funzione di densità

  • Descrive la distribuzione di probabilità di un dato valore.

• Il test t

  • Utilizzato per confrontare le medie di due gruppi.
  • Il test t è rilevante quando le osservazioni sono indipendenti.

• Il test Chi-quadrato

  • Valuta l'indipendenza delle variabili categoriali.

Scopri le basi del pacchetto R per l'analisi statistica dei dati nel primo modulo di questo corso. Impara le proprietà fondamentali di R, il suo utilizzo rispetto a software commerciali e le nozioni di programmazione necessarie per cominciare. Approfondisci anche la sintassi e gli operatori aritmetici essenziali per lavorare con R.