En este artículo, discutiremos cómo encontrar la desviación estándar en Lenguaje de programación R . La desviación estándar R es la medida de la dispersión de los valores. También se puede definir como la raíz cuadrada de la varianza.
Fórmula de desviación estándar muestral:
dónde,
- s = desviación estándar de la muestra
- N = Número de entidades
-
= Media de entidades
= Media de entidadesBásicamente, existen dos formas diferentes de calcular la desviación estándar en el lenguaje de programación R; ambas se analizan a continuación.
Método 1: enfoque ingenuo
En este método de calcular la desviación estándar, usaremos la fórmula estándar anterior de la desviación estándar de muestra en lenguaje R.
Ejemplo 1:
R
v <->c>(12,24,74,32,14,29,84,56,67,41)> s<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s)> |
>
>
Producción:
[1] 25.53886>
Ejemplo 2:
R
v <->c>(1.8,3.7,9.2,4.7,6.1,2.8,6.1,2.2,1.4,7.9)> s<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s)> |
>
>
Producción:
[1] 2.676004>
Método 2: usar sd()
La función sd() se utiliza para devolver la desviación estándar.
cpld y fpga
Sintaxis: sd(x, na.rm = FALSO)
Parámetros:
x: un vector numérico, matriz o marco de datos.na.rm: ¿se eliminarán los valores faltantes?
Devolver: La desviación estándar muestral de x.
Ejemplo 1:
R
v <->c>(12,24,74,32,14,29,84,56,67,41)> s<->sd>(v)> print>(s)> |
>
>
Producción:
[1] 25.53886>
Ejemplo 2:
R
v <->c>(71,48,98,65,45,27,39,61,50,24,17)> s1<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s1)> s2<->sd>(v)> print>(s2)> |
>
>
Producción:
[1] 23.52175>
Ejemplo 3:
R
v <->c>(1.8,3.7,9.2,4.7,6.1,2.8,6.1,2.2,1.4,7.9)> s1<->sqrt>(>sum>((v->mean>(v))^2/(>length>(v)-1)))> print>(s1)> s2<->sd>(v)> print>(s2)> |
>
>
Producción:
[1] 2.676004>
Calcule la desviación estándar del marco de datos:
Podemos calcular la desviación estándar del marco de datos utilizando ambos métodos. Podemos tomar el conjunto de datos del iris y para cada columna calcularemos la desviación estándar.
Ejemplo 1:
R
data>(iris)> sd>(iris$Sepal.Length)> sd>(iris$Sepal.Width)> sd>(iris$Petal.Length)> sd>(iris$Petal.Width)> |
>
>
Producción:
códigos de error de Linux
[1] 0.8280661 [1] 0.4358663 [1] 1.765298 [1] 0.7622377>
También podemos calcular la desviación estándar para todo el marco de datos junto con la ayuda de la función de aplicación.
R
# Load the iris dataset> data>(iris)> # Calculate the standard deviation for each column> std_deviation <->apply>(iris[, 1:4], 2, sd)> # Display the standard deviation values> print>(std_deviation)> |
>
>
Producción:
Sepal.Length Sepal.Width Petal.Length Petal.Width 0.8280661 0.4358663 1.7652982 0.7622377>
Las columnas 1 a 4 del conjunto de datos del iris, que son las columnas numéricas que contienen las medidas variables, se eligen utilizando la expresión iris[, 1:4] en el código anterior.
La función sd se aplica a cada columna (marcada con 2) del subconjunto elegido del conjunto de datos del iris utilizando la función aplicar. Los valores de desviación estándar resultantes se guardan en el vector std_deviation para cada columna.