dichiaro i vettori V=c(1;2;3;4)

u=seq(a, b, by=c) fa un vettore di numeri da a a b con passo c

recupero i dati da file,lascio l'intestazione e tengo come separaz " dati=read.table('province.txt',header=true,sep=") per il csv si usa il;
per usare le categorie del file come variabili attach(dati)
per fare un istogramma con le frequenze assolute plot(dati)
oppure fr.ass=table(dati)
per fare un'istogramma con le frequenze relative fr.rel=prop.table(fr.ass) e barplot(fr.rel)
per fare il grafico a torta pie(fr.rel)
lungh di un vett length(T) media mean(T) varianza campionaria(n-1)*n*var(T) deviazione standard sqrt((n-1)*(n))sd(T) tt insieme summary(T)
minimo/massimo/mediana min(T)/max(T)/median(T)
quantile di indice alfa quantile(T,probs=alfa) quantili con alfa =k*20% quantile(T)
istogramma generico con categorie da a a b di passo h hist(T,breaks=seq(a:b,by=h))
per fare 2 grafici in una sola pagina split.screen(c(1,2),,erase=TRUE) e poi screen(1)....e screen(2)...
per plottare una funzione costruisco i due vettori x e y e plot(x,y)
poi ci posso aggiungere un'altra funzione sullo st grafico con points(x,y)
per generare n dati con distribuzione uniforme dal valore a al valore b runif(n, min=a, max=b)
stessa cosa per altre distribuzioni
#####################################################################
# Random generator #Density #Probab distrib #Quantile
#####################################################################
# rnorm(nval,mean=0,sd=1) #dnorm(x,mean=0,sd=1) #pnorm() #qnorm(quantilechemiinteressa,media,varianza)
# rt(nval,gdl) #dt() #pt() #qt(quantile,ngdl)
# rexp(nval,pendenza) #dexp() #pexp() #qexp()
# runif() #dunif() #punif() #qunif()
# rbinom(nval,size=n,prob=p) #dbinom(x,size=n,prob=p) #pbinom() #qbinom() ???
# rpois(nval,lambda=lambda) #dpois(x,lambda=lambda) #ppois() #qpois()
# rgamma() #dgamma() #pgamma() #qgamma()
pchisq((n-1)*sample_var/35^2,n-1) qchisq(alpha,n-1)
#####################################################################
applico al vettore taglio riferito agli uomini e al vettore taglio riferito alle donne
la funzione mean tapply(Taglio,Sesso,mean), serve cio ad applicare la stessa funzione a pi vettori
per isolare una parte di un vettore date altre caratteristiche (es ho dei costi di due tipi di prodotti in una tabella prodotto,tipo,costo)
costidiuntipo=costo[which(tipo=="x")]
per studiare se una distribuzione z Normale->
qqnorm(z) fa un grafico con in x i valori teorici e nell'altro i valori reali
qqplot(x,y) fa un grafico punto a punto con i valori di x sullassex e quelli di y sullassey e se viene una retta hanno la stessa distribuzione
qqline(z, col="red") interpola i dati con una retta passante per primo e terzo quantile
abline(b=sd(z),a=mean(z),col="orange",lwd=2) fa una retta con coeff angolare b e termine noto a
shapiro.test(y) mi dice se la distribuzione y si avvicina a una distribuzione normale W deve essere alto e p-value basso
curve(funzione(parametri),type='l',main='titolo.',ylim=c(0,0.5),col='red',xlim=c(-7,7)) mi fa il grafico e se dopo scrivo->
> curve(funz(param),type='l',lty=2,col='blue',add=T) mi aggiunge la seconda al primo grafico
per fare un isogramma pi la sovrapp normale
hist(cipolle$peso,freq=F) curve(dnorm(x,mean(cipolle$peso), sqrt(var(cipolle$peso))),0,200,add=T)
per generare un intervallo di confidenza
a=qnorm(beta)*sqrt(sigma2/n) l.inf=m-a l.sup=m+a e per scriverlo cat("(",l.inf,";",l.sup,")\n") con beta=1+alfa/2
per prendere i primi 10 dati di un vettore c=vettore[1:10]
per fare un test media a varianza nota: prima testo la normalit (da qqnorm a shapyro),
costriuisco la regione di rifiuto: Reg di accettazione = c(Xm-qnorm((beta),0,1)*sigma/sqrt(n)), Xm+qnorm((beta),0,1)*sigma/sqrt(n)))
Test=media> Xm-qnorm((beta),0,1)*sigma/sqrt(n))&media< Xm+qnorm((beta),0,1)*sigma/sqrt(n))
per il P_value PValue = 2 * (1 - pnorm(abs(Xbar_n - mu) * sqrt(n) / sigma))
se varianza incognita come calcolo s? comando sd(vettoredati)
e il pvalue della t student? p_value = 1 - pt((x_n - mu_0)/(s_n/sqrt(n)),n-1)