京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言的一个小范例:数值模拟和绘图_数据分析师培训
下午上课,要给经济工程专业的本科生简要介绍一下用于统计分析和绘图的R语言。考虑到他们所在的年级并没有系统的学完统计学和计量经济学,打算不从回归分析入手,先教他们对R的基本操作有个了解。写了如下这段代码,准备课上带同学们做一下。顺便发到网上,供大家参考。
背景:
假定是一个由
决定的量,满足关系
问在
的取值空间内,
值的走势如何,以及最大值出现在什么地方,并绘图说明。
talk is cheap. show me the code (废话少说,放码过来)
一点一点写,并适当做说明
qiu <- function(alpha){(alpha / (1-alpha))^{-alpha}}
这段代码的意思是,定义一个名为qiu的function,输入值alpha之后,会自动求得对应的值。比如
> qiu(0.67)
[1] 0.622206
现在我们来搞alpha。
x <- seq(0.001,0.99, by=0.001)
定义一个数组x,取值从0.01开始,每次增加0.001单位,直到0.999。然后看看x这个数组的情况吧
x
length(x)
结果就不贴出来了。现在,把x的值交给qiu来处理,生成的一系列值,我们定义为y。
y <- qiu(x)
画个草图来看看分布情况如何
plot(y~x)
显然,随着x从0到1, y并不是单调变化的:先增大,后减小。那么,y的最高值是多少?对应的x值是多大?
max(y)
x[which.max(y)]
第一行告诉你y的最大值1.3211
第二行的which.max(y)告诉你当y值最大时,所对应的编号是218。把218带入x中,找到对应的x的值:x[218]=0.218
schx=c(x[which.max(y)])
schy=c(max(y))
分别将y值最大时的x和y值,定义为schx和schy,供下文使用。
重新画张图,前面那张太丑了
dev.off()
plot(y~x, ylim=c(0,1.5), xlim=c(0,1), type="l", ylab=expression(beta), xlab=expression(alpha))
第一行dev.off()告诉R的绘图程序,关闭此前的图。第二行的ylim和xlim定义x和y轴的取值范围。type是告诉plot程序,散点图以line的形式呈现。ylab和xlab是x和y轴的名称:由于我们需要使用希腊字母,因此需要使用expression(alpha)和expression(beta)来打出与
。
比原来那张图看着帅一些了是吧。继续调整。
par(new=TRUE)
plot(max(y)~x[which.max(y)], pch=2, lty=3, col="red",ylim=c(0,1.5), xlim=c(0,1), ylab="", xlab="")
第一行告诉绘图程序,我下面要在原有那张图的基础上,继续添加内容,不要覆盖原图。
第二行中,把y最大值时的点标出来,pch表示这个点的形状(1是空心圆,2是空心三角,等等,你们自己试试看从1到20吧)。col="red",将这个点画成红色。ylab和xlab设为空,ylim和xlim和上文的值相同,使得两张图x轴、y轴重合。
差不多行了。如果你想继续和我一样骚包一点的话,跟我向下继续设置。
text(schx, schy-0.2, substitute(paste("(", xx ,", ", yy, ")"), list(xx=schx,yy=schy)))
这行代码的作用是,在途中加入一段文字。语法text(a,b,c)的意思是,a代表横坐标的位置,b代表纵坐标的位置,c代表所需要加入的语言。a和b加在一起,告诉plot()需要把一段文字c放在(a,b)这个地方。
c需要做进一步的说明。"(", 以及 ")", 表示这其中是有纯文字部分的,plot()直接把它们打出来即可(注意逗号是要保留的)。加在两个小括号中间的是xx和yy,这是两个值。
substitute(paste(),list()):
substitute()中包括两部分,一部分是paste(),一部分是list()。paste告诉plot()要加入这段东西了,其中包括两个待赋值的xx和yy。list()为它们分别赋值。
看看效果吧。
看起来还可以。要是能把 这个式子也写上去就更完美了。
text(0.4, 0.5,
substitute(
paste(beta == (frac(alpha, 1-alpha))^{-alpha},
",",
"0<", alpha, "<1")
)
)
收工。这张图看起来还是有些难看。。。。不过基本信息都已经有了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26