Файл: Информационные технологии оформления отчёта..docx

Скачать файл
Заказать решение

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 30.10.2023

Просмотров: 43

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Уральский федеральный университет имени первого Президента РоссииБ. Н. Ельцина.ПРАКТИЧЕСКАЯ РАБОТА № 3по дисциплине:«Информационные технологии в юридической деятельности»на тему:«Информационные технологии оформления отчёта.»Выполнила:Студентка группыг. Екатеринбург, 2023 годЗадание: Составить описание информационных технологий при выполнении оформления отчёта по результатам анализа по этапам.Шаг 1: Определяем рабочее место и рабочую папку. Шаг 2: Осуществляем выбор программы HTML. Скачиваем программу Rgie (R-язык программирования, gie-графический интерфейс. Шаг 3: Подготовка программы Rgie для выполнения задач.Шаг 4: Определяем местоположение данных. Заходим в Интернет и ищем учебное пособие «Статистический анализ и визуализация. Автор Мастицкий»Шаг 5: Старт программыШаг 6: Выполним базовые функции для расчета параметров описательной статистики. Шаг 7: Вводим функцию «help()» для получения справки(запускается локальный сервер). Нас переводит в chrome, где появляется справка для помощи в работе с программой.Шаг 8: Вводим команду «data(mtcars)» для загрузки данных программ. Чтобы посмотреть всю таблицу данных вводим функцию «View(mtcars)». А если хотите увидеть часть таблицы (первые 6 строк), то вводим функцию «head(mtcars)».Шаг 9: Чтобы узнать название колонок и что означают вводим «?mtcars». Вводим функцию «[,1]» способ посмотреть содержание колонки. Столбцы или колонки- сказуемое, факторы, параметры. Строки- статистическое наблюдение.Шаг 10: Чтобы получить ссылку на содержимое колонки пишем функцию «mtcars$mpg». Для того чтобы сохранить можно ввести 2 функции «mp=mtcars$mpg» или «mp1<_mtcars$mpg». А чтобы узнать данные колонки, а точнее имя или индекс используем функцию «mtcars[,1]». Для того чтобы разово округлить и пишем функцию «(>round(mean(mtcars$mpg)». Также надо отметить, что сумма округлённых величин не равна округленной сумме этих величин.Шаг 11: Чтобы найти Медиану используем функцию «median(mtcars$mpg)». Медиана делит массив значение ровно пополам.Шаг 12:

Найдем Дисперсия вводим функцию «var(mtcars$mpg)». Показатель вариации степени отклонения от среднего.

Шаг 13: Найдем Стандартное отклонение при помощи функции «sd(mtcars$mpg)». Оно показывает сколько изменений есть от среднего. Также найдем Минимальное значение по функции «min(mtcars$mpg)» и Максимальное значение по функции: «max(mtcars$mpg)».

Шаг 14: Специальной функции для расчета стандартной ошибки среднего в R нет, однако для этого вполне подойдут уже имеющиеся функции. Как известно, стандартная ошибка среднего рассчитывается как отношение стандартного отклонения к квадратному корню из объема выборки: Sm = S/_/n. На языке R мы можем записать это следующим образом: «SEmpg = sd(mtcars$mpg)/sqrt(length(mtcars$mpg))». Функция «length()» возвращает число элементов в векторе mp.

Шаг 15: Квантили рассчитаем в R при помощи функции «quantile():quantile(mtcars$mpg)».

Шаг 16: Высчитаем интерквартильный размах. ИКР является робастным аналогом дисперсии и может быть рассчитан в R при помощи функции «IQR(mtcars$mpg)».

Шаг 17: Благодаря функции «quantile()»,которая позволяет рассчитывать и другие квантили. Например, децили (значения, делящие совокупность на десять частей) можно получить следующим образом «quantile(mtcars$mpg, p = seq(0, 1, 0.1))».

Шаг 18: Чтобы просмотреть результат напишим функцию «head(mtcars$mpg)». Попробуем рассчитать среднее значение для mpg д ля этого вводим функцию «mean(mtcars$mpg».

Шаг 19: Используем функцию «length(mtcars$mpg)» для определения размера вектора. Если все же стоит задача подсчитать число не отсутствующих значений, то можно воспользоваться следующим приемом: «sum(!is.na(mtcars$mpg))». Трюк здесь заключается в использовании команды is.na(mtcars$mpg), которая проверяет каждое значение mpg и возвращает FALSE, если это значение не равно NA, и TRUE иначе. В сочетании с логическим оператором ! («не») функция sum используется для подсчета только тех значений mpg, которые не равны NA (логические TRUE

конвертируются программой в 1, которые можно суммировать).

Шаг 20: Чтобы найти минимальное/максимальное значение,которые принимают несколько элементов в векторе, то будет возвращен порядковый номер первого элемента с этим значением. В случае с mpg используем функции «which.min(mtcars$mpg)» и «which.max(mtcars$mpg)». Для того,чтобы выяснить названия этих моделей мы можем, совместив команды which.min() и which.max() с командой rownames() (от «row» – строка и «names» – имена):«rownames(mtcars)[which.min(mtcars$mpg)]» и «rownames(mtcars)[which.max(mtcars$mpg)]».

Шаг 21: Функция tapply() позволяет выяснить средний объем двигателя, пишем «tapply(X = mtcars$disp, INDEX = mtcars$am, FUN = mean)».Шаг 22: Для начала создадим функцию SE для расчета стандартных ошибок:«SE <- function(x) {sd(x)/sqrt(length(x))}».Шаг 23: Выполняем сборку контента отчета.

Смотрите также файлы