ΕΡΓΑΣΙΑ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

Καλημερα σας καλη χρονια και ευχαριστω για την αποδοχη!! Ειμαι φοιτητρια του τμηματος Διοικηση Επιχειρησεων στο Πανεπιστημιο Πατρων και παρακατω σας εχω επισυναψει ενα αρχειο με την εργασια του εξαμηνου μου για το μαθημα Στατιστικη αναλυση δεδομενων. Οι αποριες μου ειναι αρκετες αλλα εχω ξανασχοληθει λιγο με την R. Αρχικα ηθελα να ρωτησω πως χρησιμοποιειται η εντολη sample (την συνανταω πρωτη φορα). Και στη συνεχεια οποιαδηποτε βοηθεια θα μπορουσατε να μου δωσετε ειναι καλοδεχουμενη. Ευχαριστω πολυ εκ των προτερων!!

Νομίζω ότι υπάρχει πολύ υλικό στο internet για την εντολή sample.

Επισυναπτόμενο αρχείο δε βλέπω.

sample(x, size, replace = FALSE, prob = NULL)
Το x είναι από που να επιλέξει τα στοιχεία
size πόσα στοιχεία να επιλέξει
replace με επανάθεση = TRUE χωρίς επανάθεση = ΦΑΛΣΕ
prob η πιθανότητα για κάθε τιμή το ντιφολτ είναι ότι όλα είναι ισοπίθανα
πχ
sample(c(1,2,3,4), 1)
σου βγάζει ένα στοιχείο από τα 1,2,3,4 ισοπίθανα

https://cran.r-project.org/doc/contrib/mainfokianoscharalambous.pdf
στα ελληνικά υπάρχει αυτό για οδηγίες

ευχαριστω πολυ..ναι υπαρχει υλικο.ισως το αρχειο να φαινεται τωρα στην αρχικη αναρτηση...;;;!!

> summary(fit3)

Call:
lm(formula = eff ~ pts + reb)

Residuals:
Min 1Q Median 3Q Max
-9.7631 -1.7666 0.2369 1.7600 13.8318

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.23688 0.26553 -4.658 4.36e-06 ***
pts 0.83927 0.02932 28.628 < 2e-16 ***
reb 0.87326 0.06138 14.227 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.124 on 397 degrees of freedom
Multiple R-squared: 0.8153, Adjusted R-squared: 0.8144
F-statistic: 876.2 on 2 and 397 DF, p-value: < 2.2e-16

κανω πολλαπλη παλινδρομιση και εχω αυτα τα αποτελεσματα...την f-statistic με ποια την συγκρινω για να κανω τον ελεγχο στατιστικης σημαντικοτητας;;;;

Σου το λέει δίπλα 876.2 on 2 and 397 άρα με την τιμή της κατανομής F με βαθμούς ελευθερίας (2,397), αλλά έτσι κι αλλιώς σου δίνει την τιμή pvalue η οποία είναι κάτω του 0,05 άρα
απορρίπτεις την Ηο της fstatistic, δηλαδή το μοντέλο προσαρμόζει καλά.


Άμα λες για την στατιστική σημαντικότητα κάθε μεταβλητής ξεχωριστά κοίτα τα Pr(>|t|) να είναι κάτω του 0,05 (όταν έχουν αστεράκι δίπλα είναι στατιστικά σημαντικά)