# ファイルの入出力
a<-read.csv("****.csv",header=TRUE)
a<-read.table("clipboard",header=TRUE)

# パラメトリック検定
#t検定(1) 1サンプルt検定
t.test(データ,　mu = 母平均(数値))

#t検定(2)対応のないt検定(var.equal = T)ウェルチの場合は（var.equal = F）
t.test(a$GroupA,a$GroupB,var.equal = T)

#t検定(3)対応のあるt検定「t.test」
t.test(データ1,　データ2,　 paired = T)

#カイ二乗検定
chisq.test((matrix(c(60,30,40,70),nrow=2),correct=F)
chisq.test(a)

#相関分析
cor(データ1,データ2)
#データをそのまま入れると相関行列を作成してくれる（3列以上可）
cor(data)
#有意差検定
cor.test(データ1,データ2,method="pearson")

#順位相関
cor(データ1,データ2,method="spearman")
#データをそのまま入れると相関行列を作成してくれる（3列以上可）
cor(data, method="spearman")
#有意差検定
cor.test(データ1,データ2,method="spearman")

#単回帰分析
ans <- lm(目的変数~説明変数)
summary(ans)
#回帰式からの予測
predict(ans, newdata, interval="predict")


#重回帰分析
ans <- lm(目的変数~説明変数1+説明変数2)
summary(ans)
#回帰式からの予測
predict(ans, newdata, interval="predict")

#z値変換
za <- scale(a)
#データフレームに変換
zax <- data.frame(za)

#散布図作成
install.packages("tidyverse")
library(ggplot2)

g <- ggplot(a, aes(x = データ１, y=データ２))
g <- g + geom_point()
plot(g)

#複数の場合、カラーパレットを入れる
library(ggsci)

 x <- rbind(data.frame(kind = "スタンダード", a),
            data.frame(kind = "スイート", b),
            data.frame(kind= "ビター", c))

g <- ggplot(x, aes(x = データ１, y=データ２, color=kind))
g <- g + geom_point()
g <- g + geom_smooth(method = "lm")
plot(g)

#売上予測の項目を作成
a$売上予測 <- predict(ansa,newdata)
b$売上予測 <- predict(ansb,newdata)
c$売上予測 <- predict(ansc,newdata)
a$売上予測 <- a$販売価格 * a$売上予測
b$売上予測 <- b$販売価格 * b$売上予測
c$売上予測 <- c$販売価格 * c$売上予測
x <- rbind(data.frame(kind = "スタンダード", a),
            data.frame(kind = "スイート", b),
            data.frame(kind= "ビター", c))