!予備的分析
(1)予備分析の目的 
予備分析とはなにかという厳密な定義はない。ここでは、最終的な分析の前に行う分析のことを予備分析と考えている。
*データのチェック 
**入力ミスなどはないか?
*データの全体像の把握 
**平均値は?男性の割合は?　など利用するデータの全体像
*分析の前提の確認 
**正規分布しているか? 
**異質なサンプルが混在していないか?

*仮説を発見する可能性もある。 
(2)いろいろな予備分析の方法
*変数の尺度　ノンメトリックかメトリックか？ 
*変数の数　1つか2つか？ 
**1変数（1次元データの分析）→一つの変数の分布をみる。 
**2変数（1次元データの分析）→二つの変数の関係をみる。 
*方法　　　図表を用いるか？代表値を用いるか？ 
**代表値：分布を代表する・記述2 する値 
***度数分布やヒストグラムは視覚的情報に頼っているが、代表値は数量的概念に依っている。 
***多変量解析の各手法では、これらの代表値を用いて演算が行われる。 

表　予備分析の方法
,変数の尺度,変数の数,図表による記述,	代表値による記述
,メトリックな変数,1変数（1次元データの分析）,ヒストグラム　hist() 箱ヒゲ図 boxplot() 幹葉図 stem(),平均値 mean() 分散 var() 標準偏差sqrt(var()) 
,,2変数（2次元データの分析）,散布図 plot()	,相関係数 cor() 共分散 var()
,ノンメトリックな変数	,1変数,	単純集計表 table() ヒストグラム hist()
,,2変数,クロス集計表 table(),
(同上)

注）カッコ内はその分析を行うための代表的なRの関数名。
----
!!実際
#　保存してあるCOFFEEデータを読み込む
#　作業ディレクトリの指定に注意
 load("COFFEE.rda")
 names(COFFEE)
#このデータセットに含まれる変数の記述統計
 summary(COFFEE)

 attach(COFFEE)

##1変数の代表値
#alikbrn7   7番目のブランドへの態度　についてみてみる
#7段階の間隔尺度だが､メトリックな変数として扱ってみる｡
#図表 
#ヒストグラム
 hist(alikbrn7) 
 
#幹葉図　ヒストグラムよりも情報が多い 
 stem(alikbrn7)

#ボックスプロット 
 boxplot(alikbrn7) 
 

 table(alikbrn7)

#平均 
 mean(alikbrn7)

#分散 
 var(alikbrn7)

#標準偏差 
 sqrt(var(alikbrn7)) 


#2変数 
#alikbrn7   7番目のブランドへの態度
#btaste7   7番目のブランドの味への評価
#散布図 
 plot(alikbrn7,btaste7) 
#それぞれ7,5段階で測定されているので､複数の点が重なってしまう｡jitterを入れると誤差を足してくれるので､複数の点として表示される｡
 plot(jitter(alikbrn7),jitter(btaste7))

#一部を取り出してplotに入れると　含まれる変数について一括プロット
 dat<-COFFEE[,c( "cgdscen7", "cgdmusc7", "cgdnart7", "alikecm7", "agoodcm7", "btaste7",  "bfraver7", "bdesign7", "alikbrn7", "agdbrn7" , "apurprb7")]
 plot(dat)

#y~x1+x2+...のように指定すると　　一枚づつプロット｡
 plot(alikbrn7~cgdscen7+cgdmusc7+cgdnart7+alikecm7+bdesign7+agdbrn7)


#集計表 
 table(btaste7,alikbrn7)

#相関係数 
 cor(alikbrn7,btaste7)

#共分散 
 var(alikbrn7,btaste7) 

課題 3番目のブランドについて上と同様のことをしてみる｡