Estandarización z-score en R

En estadística, la tarea es estandarizar variables que se denominan puntuaciones z de valvulación. Comparar dos variables de estandarización es la función del vector de estandarización. Al restar el vector por su media y dividir el resultado por la desviación estándar del vector, podemos estandarizar un vector.

Fórmula:

Z= (x – media)/desviación estándar

Acercarse:

• Declarar un vector
• Calcule su media y desviación estándar mediante las funciones mean() y sd() .
• Para crear un vector estandarizado:
  • Reste la media del vector
  • Ahora divida el resultado anterior con la desviación estándar

a <- c(7, 8, 3, 2, 2, 10, 9)
  
# Finding Mean
m<-mean(a)
  
# Finding Standard Deviation
s<-sd(a)
  
#standardized vector
a.z<-(a-m)/s
  
a.z

Producción:

[1] 0,3325644 0,6235582 -0,8314110 -1,1224048 -1,1224048 1,2055459 0,9145521

Ahora también podemos comprobar si el vector se ha estandarizado correctamente o no comprobando si su media es cero y la desviación estándar es uno. La respuesta de la media no es exactamente cero sino casi cero. Lo cual es aceptable ya que es el resultado de leyes informáticas.

Programa:

a <- c(7, 8, 3, 2, 2, 10, 9)
  
# Finding Mean
m<-mean(a)
  
# Finding Standard Deviation
s<-sd(a)
  
#standardized vector
a.z<-(a-m)/s
  
mean(a.z)
  
sd(a.z)

Producción:

[1] 1.427197e-16

[1] 1

Ejemplo 2: 

a <- c(10, 6, 3, 5, 4)
b <- c(150, 200, 500, 600, 850)
  
a.z <- (a - mean(a)) / sd(a)
  
b.z <- (b - mean(b)) / sd(b)
  
average.z <- (a.z + (b.z)) / 2
round(average.z, 1)

Producción:

[1] 0,3 -0,4 -0,4 0,1 0,4