Lezione per il corso del dottorato Roma 26/1/05
(aggiornata 5/4/06 ed ulteriori esempi aggiunti successivamente)
Presentazione in pdf (Da visionare in full screen.
Nota per chi usa Linux/KDE: "Alt-Tab" permette di switchare fra il pdf full screen
e il resto del desktop.)
File con esempi [Nota: per ogni file c'è anche una versione hhv
(`highlighted html version') in
html con la sintassi evidenziata, creata con Pretty R]
my_seq.R [hhv],
versione modificata di seq.int()
per generare sequenze del tipo 001, 002, ..., 100.
mc1.R [hhv]:
MC stima pi greco e Teorema del Limite Centrale
(con quattro modi diversi di estrarre una distribuzione
uniforme con densità diversa da zero
fra 0 e 0.25 e fra 0.75 e 1).
signal_bkgd.R [hhv]:
Segnale + background
(es 'doppia gaussiana' + fondo uniforme).
Contiene anche istruzioni di come recuperare le informazioni di dati
raggruppati (centro bin, numero di eventi per bin, etc.)
mc_hit_miss.R [hhv]:
MC, inversione F(x) Vs hit-miss.
(Contiene anche esempio di integrale fatto con MC.)
geometrica.R [hhv]:
distribuzione geometrica
(dgeom1, pgeom1, rgeom1 e qgeom1) dell'estrazione al quale si verifica
il primo successo.
pi_mcmc.R [hhv]:
campionamento uniforme su un quadrato mediante MCMC
(e valutazione di pi greco).
(Per giocare con delle funzioni di “lanci casuali bidimensionali”: proposte.R [hhv].)
triang.R [hhv]:
distribuzione (e random) triangolare e
propagazione di triangolari
normale_bivariata.R [hhv]:
genera coppie xy secondo una normale bivariata (usa librerie hacks e mnormt oppure,
si basa
su proprietà della condizionata o su rotazione di variabili).
Algoritmo di Metropolis, con opzione di simulated annealing:
metropolis_annealing.R
[L'esempio mostra anche come compilare il codice R
per velocizzarlo un po'
Programmino per avere un'idea dell'aumento della velocità:
prova_compiler.R]
prop_cov_mc.R [hhv]:
stesso esercizio, ma propagazione delle incertezze effettuata
mediante MC.
(Nota: in genere non si tratta di veri script, ma di una collezione
di comandi da eseguire in successione. Inoltre, in molto casi
si tratta di materiale
didattico per il quale si richiede una certa conoscenza del problema in
questione.)
Rjags, per inferenze mediante reti bayesiane mediante
JAGS merita un discorso a parte: vedi qui.
Ottima documentazione
anche in italiano (a parte i vari
manuali
ufficiali).
Un buon punto di partenza è "R for beginner" di Emmanuel Paradis.
Inoltre, chi è conosce già
matlab
o octave
può beneficiare della tabella
di analogie dei comandi:
R-and-octave.txt.
Per un 'vademecum' con i comandi principali:
R
Reference Card
Come ambiente di lavoro si segnala
RStudio,
che, anche se non lo raccomando per normali sessioni (soprattutto
perché le dimensioni delle varie finestre, legate
a stare dentro il riquadro più
grande, oltre al fatto che impigrisce), ha veramente
delle grandi potenzialità
nella versione server!