r_lectures/w04-R_lecture.Rmd

   1 ---
   2 title: "Week 3 R lecture"
   3 subtitle: "Statistics and statistical programming  \nNorthwestern University  \nMTS 525"
   4 author: "Aaron Shaw"
   5 date: "April 18, 2019"
   6 output: html_document
   7 ---
   8
   9 ```{r setup, include=FALSE}
  10 knitr::opts_chunk$set(echo = TRUE)
  11 ```
  12
  13 This week, we'll focus on one more way to manage date-time objects and some ways to generate distributions.
  14
  15 ## as.Date
  16
  17 First, something I meant to include in last week's materials. The `as.Date()` function provides an alternative to `as.POSIX()` that is far more memorable and readable, but far less precise. Note that it truncates the time of day and the timezone from the ouput
  18
  19 ```{r}
  20 m <- "2019-02-21 04:35:00"
  21 class(m)
  22
  23 a.good.time <- as.Date(m, format="%Y-%m-%d %H:%M:%S", tz="CDT")
  24 class(a.good.time)
  25 a.good.time
  26 ```
  27
  28 ## Distribution functions
  29 distribution functions: lets focus on *unif(): the key is on page 222 of Verzani
  30 The “d” functions return the p.d.f. of the distribution
  31 dunif(x=1, min=0, max=3) # 1/3 of the area is the to the left 1
  32 The “p” functions return the c.d.f. of the distribution.
  33 dunif(q=2, min=0, max=3) #1/(b-a) is 2/3
  34 The “q” functions return the quantiles.
  35 qunif(p=0.5, min=0, max=3) # half way between 0 and 3
  36
  37 The “r” functions return random samples from a distribution.
  38 runif(n=1, min=0, max=3) # a random value in [0,3]
  39
  40 ## Doing simple simulations with random data
  41 runif()
  42 rnorm()
  43
  44 ## A quick simulation
  45
  46 In case you don't believe the central limit theorem, let's put together a quick simulation to illustrate it in R.
  47
  48 Write a function to repeatedly take the mean of a sample.
  49
  50 Experiment by changing the size of the sample
  51
  52
  53 ## Quantile quantile plots
  54
  55
  56 ## Binomial and factorial functions
  57 Choose, factorial
  58
  59