Inserimento di dati
altezza = c(170, 174, 180, 165, 160)
scarpa = c(40, 42, 44, 38, 37)
print(altezza)
[1] 170 174 180 165 160
[1] 40 42 44 38 37
altezza scarpa
[1,] 170 40
[2,] 174 42
[3,] 180 44
[4,] 165 38
[5,] 160 37
Indici
Posizione
[1] 169.8
[1] 40.2
VariabilitÃ
[1] 7.758866
[1] 2.863564
Min. 1st Qu. Median Mean 3rd Qu. Max.
160.0 165.0 170.0 169.8 174.0 180.0
Min. 1st Qu. Median Mean 3rd Qu. Max.
37.0 38.0 40.0 40.2 42.0 44.0
Associazione
[1] 0.9924381
Grafici
Box-plot
boxplot(altezza,horizontal = TRUE)

boxplot(scarpa, horizontal = TRUE)

Scatter

Regressione lineare semplice
Adattamento dei minimi quadrati
ab = lm(scarpa ~ altezza)
ab
Call:
lm(formula = scarpa ~ altezza)
Coefficients:
(Intercept) altezza
-21.9942 0.3663
Grafico della retta dei minimi quadrati
plot(altezza, scarpa)
abline(ab, col = "red")

Calcoli
b = cov(altezza, scarpa)/var(altezza)
b
[1] 0.3662791
a = mean(scarpa) - b * mean(altezza)
a
[1] -21.99419