Yapısal Eşitlik Modellemesi

Web Mining Coca Cola

Çalışma sonuçları şöyle yorumlanabilir; 

- Son 1 ayda insanların gündemlerinde Coca Cola reklamları yer almaktadır.

- En çok Pepsi ile ilişkilendirilmiştir.

- Kişiler o anda Coca Cola içtiklerinden bahsetmişler ve Ramazan, sofra, iftar, mutluluk gibi kelimeler ile markayı ilişkilendirmişlerdir.

- Alkol, böcek, boya gibi kelimeler son 1 ayda Coca Cola markasını tercih etmeme nedenleri olarak belirtilebilir. Bu olumsuz görüşler muhtemel satış düşüşlerine bağlanabilir. Ayrıca Customer Satisfaction Index değerine doğrudan negatif yönde bir etkide bulunmuştur.

Not : Kendi çalışmamdır.

5 Interesting Free Books for R from beginner to experts

Always new software language in one technical activity is difficult, normally a good documentation can help, these are three book to use R software for beginner and for experts:

·         “Introduction to the R Project for Statistical Computing for Use at the ITC” by David Rossiter (PDF, 2010-11-21).

·         “R for Beginners” by Emmanuel Paradis (PDF,10 pages).

·         A Little Book of R for Multivariate Analysis (pdf, 49 pages) is a simple introduction to multivariate analysis using the R statistics software. It covers topics such as reading and plotting multivariate data, principal components analysis, and linear discriminant analysis.

·         A Little Book of R for Biomedical Statistics (pdf, 33 pages) is a simple introduction to biomedical statistics using the R statistics software, with sections on relative risks and odds ratios, dose-response analysis, clinical trial design and meta-analysis.

·         A Little Book of R for Time Series (pdf, 71 pages) is a simple introduction to time series analysis using the R statistics software (have you spotted the pattern yet?). It includes instruction on how to read and plot time series, time series decomposition, forecasting, and ARIMA models.

All books are free to use, share and remix under a Creative Commons license, and are available:

UPDATE: I updated the title, that's only five free books that I think interesting for R, Also there is another one that I forgot  Matlab for R programmer  I used Matlab from university till now (for me is always easier Matlab, but it is not free), both languages are similar but you always need a help (small tips).


Link : http://www.aphysicistinwallstreet.com/2011/11/free-books-for-r.html

Londra Olimpiyatları 100mt Erkekler Finali, R Model

2012 Londra Olimpiyatlarının başlamasına 1 haftadan daha kısa bir süre kaldı. Herhalde herkes benim gibi 100 mt. erkekler finalinin sonucunu merakla bekliyordur.

Olimpiyat tarihinde 100mt’yi ilk defa 10sn’ nin altında koşan atlet Jim Hines’di. 2008 yılında ise Usain Bolt 9.69sn ile kırılması güç bir derece elde etti ve hatta bununla yetinmeyip yeni hedefinin 9.58 olduğunu açıklamıştı. Bakalım istatistiksel olarak bu süre mümkün mü?

Bu uygulamamda R ile olimpiyat derecelerini modellemeye çalışacağım ve bu yılki 100mt erkekler finali için bir tahmin oluşturacağım.

Resimde modeli inceleyebilirsiniz. Bakalım 5 Ağustos'ta neler olacak. 9.68 sn altında koşulabilecek mi?

Modelimiz için öncelikle veriye ihtiyacımız var. http://www.databaseolympics.com/

Ayrıca XML ve drc paketlerini indirmemiz gerekli. Aşağıdaki komut ile bunu yapabiliyorduk.

install.packages()

Console;

library(XML)

library(drc) 

url <- "http://www.databaseolympics.com/sport/sportevent.htm?enum=110&sp=ATH"

data <- readHTMLTable(readLines(url), which=2, header=TRUE)

golddata <- subset(data, Medal %in% "GOLD")

golddata$Year <- as.numeric(as.character(golddata$Year))

golddata$Result <- as.numeric(as.character(golddata$Result))

tail(golddata,10)

logistic <- drm(Result~Year, data=subset(golddata, Year>=1900), fct = L.4())

log.linear <- lm(log(Result)~Year, data=subset(golddata, Year>=1900))  

years <- seq(1896,2012, 4)

predictions <- exp(predict(log.linear, newdata=data.frame(Year=years)))

plot(logistic,  xlim=c(1896,2012),

     ylim=c(9.5,12),

     xlab="Year", main="Olympic 100 metre",

     ylab="Winning time for the 100m men final (s)") 

points(golddata$Year, golddata$Result)

lines(years, predictions, col="red")

points(2012, predictions[length(years)], pch=19, col="red")

text(2012, 9.55, round(predictions[length(years)],2))

Alıntıdır: http://lamages.blogspot.com/2012/07/london-olympics-and-prediction-for-100m.html

R Uygulama 2 – Paket kurulumu

Link1 : http://cran.r-project.org/doc/manuals/R-admin.html#Installing-packages

Link2 : http://cran.r-project.org/web/packages/available_packages_by_name.html

Link3 : http://cran.r-project.org/web/packages/available_packages_by_date.html

Link4 : http://cran.r-project.org/web/packages/RODBC/RODBC.pdf

Spss kendisini bir program değil de modüller birleşimi olarak tanıtıyor. Aynı şekilde SAS’da bir modüller birleşimi. R de ise bu modül kavramı paketler ile karşımıza geliyor. R geliştiricileri tarafından yazılan bu paketleri indirip ilgili analizleri rahatlıkla yapabiliyoruz. Help(packages name) fonksiyonu ile paketin nasıl kullanacağına dair upuzun açıklama da cabası..! Paket kurulumu ile ilgili detaylı bilgiyi Link1’ den inceleyebilirsiniz. R’ de kullanabileceğimiz paketlerin isme göre sıralanmış biçimi Link2’ de, yayın tarihine göre sıralanmış biçimi Link3’te mevcuttur. Link2 ve Link3’te dosya indirme linki ve paketin hangi işlev için yazıldığı bulunmaktadır.

Uygulama:

RStudio Console bölümüne aşağıdaki kodu olduğu gibi yazıyoruz.

install.packages()

Ülke : UK (London) – 68 (Hangi serverdan indireceğimizi seçiyoruz)

Daha önce Link2’ den işimize yarayacak paketleri bulmuştuk. Karşımıza gelen listeden paket ismini buluyoruz. Şimdilik RODBC paketini yükleyeceğiz.  Link4’ te ne işe yaradığına dair güzel bir açıklama mevcut.