R 敏感性分析

雖然在R中已經有sensitivity這個套件可以用來分析了，

但還是動手做出自己想要的比較有成就感。

R 平行運算 Rmpi

颱風天無聊在家搞R的平行運算，還滿難搞的XD

小小紀錄一下過程。


作業系統：Ubuntu 12.04 64Bit

R 版本 2.14.1

R PSO package 粒子群演算法套件

 R PSO(Particle Swarm Optimizer) package 粒子群演算法套件

在R中已經有現成的粒子群演算法套件，可以直接網路下載安裝後使用，
避免重複造輪子之外也可以參考別人的寫法。

首先要安裝和載入PSO package

install.packages("pso")
library("pso")

之後就可以開心使用了，首先設定目標函數：

fit <- function(x) 100 * (x[2] - x[1]^2)^2 + (1 - x[1])^2

開始一個簡單的最佳化吧！

Ubuntu 12.04 光纖網路 P870H 改硬撥

在Ubuntu 12.04上把種花電信的光世代數據機改成硬體撥號。

如果你家的數據機長的跟下面這台一樣

LaTeX 讓排版出來的code變漂亮！(The Listings Package)

\documentclass{article}

\usepackage{listings}                                                                   %載入套件

\usepackage{relsize}                                                                    %重新設定字體大小會用到

\usepackage[usenames]{color}                                                    %設定顏色要用到

\lstset{language=R,                                                                      %可指定語言種類                                                          

basicstyle=\ttfamily,                                                       %基本風格

     %keywordstyle=\color{blue},                                               %關鍵字風格

emph={x,y,z},emphstyle=\color{Orange},                       %其他關鍵字風格（可設定多組）

emph={[2]a,b,c},emphstyle={[2]\color{blue}},

R apply家族函數

在R中有一堆apply, lapply, spply, tapply,...等等的函數，主要是避免使用迴圈函數。
因為R內建的函數都是經過編譯的，所以執行的效率會比自己寫迴圈還好。

apply(array, margin, function, ...) 將矩陣依據行或列把所有的元素代入運算

R 與 LaTeX - Sweave

Sweave是R語言的一個函數，其功能是將R的函數整合進Latex或Lyx中。從而可以生成動態報表，當數據或分析改變時，報表能自動得到更新。以下為一個簡單的範例：

R 使用GPU運算

測試環境：
作業系統：Ubuntu 11.04
顯示卡：GeForce 9800 GT


事前準備：
1、確認顯示卡是否支援 NVIDIA CUDA，參考：NVIDIA網站
2、安裝顯示卡驅動程式（系統->管理->額外驅動程式->安裝NVIDIA驅動程式）

R 機率分配表

常態分配表

library("xtable")
x<-matrix(pnorm(seq(0,3.59,0.01),0,1),36,10,T)
rownames(x)<-seq(0,3.5,0.1)
colnames(x)<-seq(0,0.09,0.01)
xtable(x,digits=5)

R 常態圖

x<-seq(-8,8,0.1)
y1<-dnorm(x,0,1)
x11()
plot(x,y1,type="l",lwd=2,col="blue")
y2<-dnorm(x,0,2)
lines(x,y2,type="l",lwd=2,col="red")
y3<-dnorm(x,0,3)
lines(x,y3,type="l",lwd=2,col="green")
legend("topright",c("sigma=1","sigma=2","sigma=3"),lty=c(1,1,1),col=c("blue","red","green"))

R 卡方檢定

適合度檢定（Goodness of fit test）

投擲一顆骰子一萬次，檢定六個面出現的機率是否相同

x<-c(sample.int(6,size=10000,replace=T)) #產生1~6的隨機整數一萬個
table(x) #計算次數
chisq.test(table(x)) #檢定出現的機率是否相同
chisq.test(table(x),p=c(1/6,1/6,1/6,1/6,1/6,1/6)) #結果跟上面一樣

529株豌豆分別有AA、Aa和aa各138、265、126株，檢定比例是否符合1：2：1

豌豆基因  AA  Aa   aa
    株數     138  256 126

x<-c(138,265,126)
chisq.test(x,p=c(1/4,1/2,1/4))

R 假設檢定

單一樣本T檢定（One sample t test）

檢定平均數是否為16

x<-c(16.3,16.2,15.8,15.4,16.0,15.6,15.5,16.1,15.9,16.1)
t.test(x,mu=16)

R 粒子群演算法 (PSO)

吃飽沒事做把戴老闆的Mathematica的PSO程式改成R