第一回 - LT&D.gif/houboku.kaigi - アットウィキ
感想みたいなもの．
あと一応発表をしたので原稿のようなものをこの記事の終わりの方にコピペしときます．これについては興味のある人もない人もスルーして下さい(重要)．
発表を聞いた感想
- タイムキーパーがいないのでなんかダラダラしてた
- 30分の質疑応答は命に関わる
発表自体はいくら長くたってスライドに制限があるのでそれほどは述びないけど，質疑応答はほっといたらどんどん述びる．時間制限はむしろ質疑応答にかけるべき．何れにせよ，例えば厳密な時間制限を設けないつもりだとしても，10分ごとにドラが鳴るギミックとかそんなのがあったらアレかなとか考えてた．
- とても専門的だった
- 統計とかマジむずい
他分野の専門的な部分が聞けてよかった．その反面専門的すぎてさっぱりな部分も多かった．
知らない単語や英語がスライドに並ぶと思考が停止する僕はおいてけぼりをmogmogして時間をつぶすしかなかった．
似たような分野の人が集まると質疑応答が専門的になりすぎるのは仕方無いのかなと思う．きっと聞いているうちに言いたいことがどんどん湧いてきてしまうのだろうし．
- まさかのネタなしガチ発表
- 空気を読み間違えたのは僕です
なんていうかあんなに研究に関係のある発表をするのだとは思わなかった．卒論発表に切り替えたくて泣きそうだった．
発表した感想
- リアクションをとるのは難しい
- リスナーのレベルを読み間違えた可能性
聞いてる人から反応を得るための質問っていうのは相当注意して考えないと困った空気が作成される原因に．
なんかExcelやめてR使おうぜっていう話しに行ったつもりだったけどみんなR知ってたしなんかパソコンにはインストールされてるらしかった．
しかしRがEmacs上で動くということや，あるいはEmacsそのものについてはあまり(全く？)知られていなかった(普段どうやって使ってるんだろうか)．RじゃなくてESSの自慢とかしたらもっとウケたかもしれない．あと結局リスナーの方々の前提知識の範囲を把握しきれなかったので，もうちょっと質問を投げるべきだったかなと思う．
まあ最初なので色々アレだったけれども
知らない人の中で発表するのも結構面白かった．運営に関わった方々どうもありがとうございました．
最初色々問題が出てくるのは当然のことだし，まあその辺は回を重ねながら劇的に改善していけばいいと思います．
燃えカスのようなもの
## ここはテキストデータです ## 下半分がRです ### [1] 操作方法 ## 簡単な計算 # 入力してEnterを叩けば結果が返ってくる 1 + 3 8 - 6 2 * 5 4 / 2 ## 関数 # Excelなどの関数と基本は一緒 # 関数名(引数) # 入れ子にできる # ex) 平均を求める mean(c(1,2,3,4,5)) # → c()関数はデータをまとめる関数 # → mean()が平均を求める関数 ### [2] データの扱い ## 基本はベクトル # c()関数の括弧の中に数字や文字を","で区切って書くと作れる c(1, 2, 3, 4, 5) # 後で利用できるようにするには一旦オブジェクトに代入する # 代入は <- x <- c(1,2,3,4,5) # 中身を見たいときはそのまま名前を呼ぶ x # オブジェクトに対して関数を利用できる mean(x) #平均値を求める mean(c(1,2,3,4,5)) #同じ結果 ## データはオブジェクトにまとめて関数で操作する ## データフレーム # 複数のベクトルをまとめたもの # Excelのデータシートの様なイメージ height <- c(1,2,3,4,5) #ベクトル width <- c(3,3,3,3,3) #ベクトル name <- c("a", "a", "a", "b", "カツ丼") #ベクトル mydata <- data.frame(height, width, name)#データフレーム height width name mydata # セル形式での表示や編集も可能 edit(mydata) # [3]基本統計量を計算してみる # Rに組み込みのサンプルデータiris iris # アヤメの萼片(sepal)と花弁(petal)の長さ、幅、それに品種のデータをまとめた # データフレーム # iris.gif # 中身の確認 # あたまの方をちょっとだけ表示 head(iris) # データの要約を表示 summary(iris) # 平均値，分散，標準偏差を計算 # 平均 mean(iris) # →Rの関数はオブジェクトの中身に応じて適当に動く # 計算した値を利用して棒グラフを描く barplot(mean(iris)) # 相関係数(相関行列) cor(iris) # 散布図行列 pairs(iris[1:4]) ## [4]検定・回帰分析 # T検定, F検定(分散分析) # 適当な2組のデータ x <- c(1.0, 1.3, 0.8, 1.1, 0.5) y <- c(2.5, 3.3, 2.0, 2.2, 1.8) # T検定 t.test(x,y) # F検定 var.test(x,y) # 多重比較 # さっきのアヤメのデータを多重比較 pairwise.t.test(iris$Sepal.Length, iris$Species) # →"$"マークは「irisの中のSepal.Lengthだけ取り出して」 # というような命令 iris$Sepal.Length # →萼片の長さのデータ(Sepal.Length)を # 品種(Species)ごとに分類して多重比較しろ # プロットすると boxplot(iris$Sepal.Length~iris$Species) # 回帰分析 # データセットcars head(cars) # 自動車の速度と停止までにかかる距離のデータ plot(cars) # 回帰分析はlm(目的変数~従属変数) lm(dist~speed, data=cars) # もっと詳しい情報はsummary()関数で summary(lm(dist~speed, data=cars)) # 回帰直線を引く abline(lm(dist~speed, data=cars), col="red") ## こんなに覚えられない…!! # helpを使いましょう help(lm) # example()を使いましょう example(lm) # Googleを使いましょう # Google: R 回帰分析
