<\/p>\n
De functie summary()<\/strong> in R kan worden gebruikt om snel waarden samen te vatten in een vector, dataframe, regressiemodel of ANOVA-model in R.<\/span><\/p>\n Deze syntaxis gebruikt de volgende basissyntaxis:<\/span><\/p>\n De volgende voorbeelden laten zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n De volgende code laat zien hoe u de functie summary()<\/strong> gebruikt om waarden samen te vatten in een vector:<\/span><\/p>\n De functie summary()<\/strong> berekent automatisch de volgende samenvattende statistieken voor de vector:<\/span><\/p>\n Houd er rekening mee dat als er ontbrekende waarden (NA) in de vector voorkomen, de functie summary()<\/strong> deze automatisch zal uitsluiten bij het berekenen van de samenvattende statistieken:<\/span><\/p>\n De volgende code laat zien hoe u de functie summary()<\/strong> gebruikt om elke kolom in een gegevensframe samen te vatten:<\/span><\/p>\n De volgende code laat zien hoe u de functie summary()<\/strong> gebruikt om specifieke kolommen in een dataframe samen te vatten:<\/span><\/p>\n De volgende code laat zien hoe u de functie summary()<\/strong> gebruikt om de resultaten van een lineair regressiemodel samen te vatten:<\/span><\/p>\n Gerelateerd:<\/strong><\/span> Hoe regressie-uitvoer in R te interpreteren<\/a><\/p>\n De volgende code laat zien hoe u de functie summary()<\/strong> gebruikt om de resultaten van een ANOVA-model in R samen te vatten:<\/span><\/p>\n Gerelateerd:<\/strong><\/span> ANOVA-resultaten interpreteren in R<\/a><\/p>\n De volgende tutorials bieden meer informatie over het berekenen van samenvattende statistieken in R:<\/span><\/p>\n Hoe de samenvatting van vijf getallen in R te berekenen<\/a> De functie summary() in R kan worden gebruikt om snel waarden samen te vatten in een vector, dataframe, regressiemodel of ANOVA-model in R. Deze syntaxis gebruikt de volgende basissyntaxis: summary(data) De volgende voorbeelden laten zien hoe u deze functie in de praktijk kunt gebruiken. Voorbeeld 1: summary() gebruiken met Vector De volgende code laat zien […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2090","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n summary(data)<\/strong><\/pre>\n
Voorbeeld 1: summary() gebruiken met Vector<\/strong><\/span><\/h3>\n
#definevector\n<\/span>x <- c(3, 4, 4, 5, 7, 8, 9, 12, 13, 13, 15, 19, 21)\n\n#summarize values in vector\n<\/span>summary(x)\n\n Min. 1st Qu. Median Mean 3rd Qu. Max. \n 3.00 5.00 9.00 10.23 13.00 21.00 \n<\/strong><\/pre>\n\n
#definevector\n<\/span>x <- c(3, 4, 4, 5, 7, 8, 9, 12, 13, 13, 15, 19, 21, NA, NA)\n\n#summarize values in vector\n<\/span>summary(x)\n\n Min. 1st Qu. Median Mean 3rd Qu. Max. NA's \n 3.00 5.00 9.00 10.23 13.00 21.00 2<\/strong><\/pre>\n Voorbeeld 2: summary() gebruiken met Data Frame<\/strong><\/span><\/h3>\n
#define data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'B', 'C', 'D', 'E'),\n points=c(99, 90, 86, 88, 95),\n assists=c(33, 28, 31, 39, 34),\n rebounds=c(30, 28, 24, 24, 28))\n\n#summarize every column in data frame\n<\/span>summary(df)\n\n team points assists rebounds \n Length:5 Min. :86.0 Min. :28 Min. :24.0 \n Class:character 1st Qu.:88.0 1st Qu.:31 1st Qu.:24.0 \n Mode:character Median:90.0 Median:33 Median:28.0 \n Mean:91.6 Mean:33 Mean:26.8 \n 3rd Qu.:95.0 3rd Qu.:34 3rd Qu.:28.0 \n Max. :99.0 Max. :39 Max. :30.0 \n<\/strong><\/pre>\n Voorbeeld 3: summary() gebruiken met specifieke dataframekolommen<\/strong><\/span><\/h3>\n
#define data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'B', 'C', 'D', 'E'),\n points=c(99, 90, 86, 88, 95),\n assists=c(33, 28, 31, 39, 34),\n rebounds=c(30, 28, 24, 24, 28))\n\n#summarize every column in data frame\n<\/span>summary(df[c(' points<\/span> ', ' rebounds<\/span> ')])\n\n rebound points \n Min. :86.0 Min. :24.0 \n 1st Qu.:88.0 1st Qu.:24.0 \n Median:90.0 Median:28.0 \n Mean:91.6 Mean:26.8 \n 3rd Qu.:95.0 3rd Qu.:28.0 \n Max. :99.0 Max. :30.0<\/strong><\/pre>\n Voorbeeld 4: summary() gebruiken met een regressiemodel<\/strong><\/span><\/h3>\n
#define data\n<\/span>df <- data. frame<\/span> (y=c(99, 90, 86, 88, 95, 99, 91),\n x=c(33, 28, 31, 39, 34, 35, 36))\n\n#fit linear regression model\n<\/span>model <- lm(y~x, data=df)\n\n#summarize model fit\n<\/span>summary(model)\n\nCall:\nlm(formula = y ~ x, data = df)\n\nResiduals:\n 1 2 3 4 5 6 7 \n 6,515 -1,879 -6,242 -5,212 2,394 6,273 -1,848 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 88.4848 22.1050 4.003 0.0103 *\nx 0.1212 0.6526 0.186 0.8599 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 5.668 on 5 degrees of freedom\nMultiple R-squared: 0.006853, Adjusted R-squared: -0.1918 \nF-statistic: 0.0345 on 1 and 5 DF, p-value: 0.8599\n<\/strong><\/pre>\n Voorbeeld 5: summary() gebruiken met het ANOVA-model<\/strong><\/span><\/h3>\n
#make this example reproducible\n<\/span>set. seeds<\/span> (0)\n\n#create data frame\n<\/span>data <- data. frame<\/span> (program = rep<\/span> (c(\"A\", \"B\", \"C\"), each<\/span> = 30<\/span> ),\n weight_loss = c(runif(30, 0, 3),\n runif(30, 0, 5),\n runif(30, 1, 7)))\n\n#fit ANOVA model\n<\/span>model <- aov(weight_loss ~ program, data = data)\n\n#summarize model fit\n<\/span>summary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \nprogram 2 98.93 49.46 30.83 7.55e-11 ***\nResiduals 87 139.57 1.60 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
De eenvoudigste manier om samenvattende tabellen te maken in R<\/a>
Hoe relatieve frequentietabellen te maken in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"