Business Application Lab - Session 2

Assignment 1 : Usage of cbind

> a<-c(10,31,42,91,17,23,35,25,16)
> dim(a)<-c(3,3)
> a
     [,1] [,2] [,3]
[1,]   10   91   35
[2,]   31   17   25
[3,]   42   23   16
> b<-c(1,3,4,9,11,3,5,21,11)
> dim(b)<-c(3,3)
> b
     [,1] [,2] [,3]
[1,]    1    9    5
[2,]    3   11   21
[3,]    4    3   11
> cbind(a,b)
     [,1] [,2] [,3] [,4] [,5] [,6]
[1,]   10   91   35    1    9    5
[2,]   31   17   25    3   11   21
[3,]   42   23   16    4    3   11


> cbind(a[3,],b[3,])
     [,1] [,2]
[1,]   42    4
[2,]   23    3
[3,]   16   11
> cbind(a[,3],b[,3])
     [,1] [,2]
[1,]   35    5
[2,]   25   21
[3,]   16   11

> cbind(a[,3],b[,1])
     [,1] [,2]
[1,]   35    1
[2,]   25    3
[3,]   16    4

>

Assignment 2,3:
Plotting the regression Line,Residuals and getting the intercepts:

nse<-read.csv(file.choose(),header=T)

> nse

        Date    Open    High     Low   Close Shares.Traded Turnover..Rs..Cr.

1  01-Oct-12 5704.75 5722.95 5694.00 5718.80     123138510           4798.17

2  03-Oct-12 5727.70 5743.25 5715.80 5731.25     165037864           6654.02

3  04-Oct-12 5751.55 5807.25 5751.35 5787.60     171404290           6954.74

4  05-Oct-12 5815.00 5815.35 4888.20 5746.95     255569804          12995.80

.

.

.

62 01-Jan-13 5937.65 5963.90 5935.20 5950.85      77902745           3298.74

63 02-Jan-13 5982.60 6006.05 5982.00 5993.25     116057389           4992.90

64 03-Jan-13 6015.80 6017.00 5986.55 6009.50      99989933           4883.13

65 04-Jan-13 6011.95 6020.75 5981.55 6016.15     113232990           5191.38

> high<-nse[,2]

> open<-nse[,3]

> regression<-lm(high~open,data=nse)

> plot(regression)

Waiting to confirm page change...

Waiting to confirm page change...

> regression<-lm(high~open,data=nse)

> regression

Call:

lm(formula = high ~ open, data = nse)

Coefficients:

(Intercept)         open  

    -67.107        1.008  

> regression<-lm(high~open)

> regression

Call:

lm(formula = high ~ open)

Coefficients:

(Intercept)         open  

    -67.107        1.008  

 residuals(regression)

          1           2           3           4           5           6 

  5.9196164   8.4171333 -32.2136015  23.0755554  23.9025346   3.5768010 

          7           8           9          10          11          12 

  9.0434099 -33.4664873 -19.1957821   4.8893273  15.7868442  21.1595596 

         13          14          15          16          17          18 

-23.0770034  15.8041206 -29.8198675  18.9857661  -5.7988354  10.6630371 

         19          20          21          22          23          24 

 -8.7952256  -9.1821291  -2.7901270 -15.2305431   9.2571252   8.0728993 

         25          26          27          28          29          30 

-12.6393487 -34.9886327 -11.5422560   3.3036613  -6.2999621  15.7551500 

         31          32          33          34          35          36 

 23.3551851  -0.6835477   9.6476114  16.0402458 -12.8085788   9.9675304 

         37          38          39          40          41          42 

 22.4595947  24.1235882 -50.6573763 -73.5107780 -26.3494972   1.8960932 

         43          44          45          46          47          48 

 -5.3223585  11.4560041   6.2200949   6.5652611  18.7398544 -19.0496646 

         49          50          51          52          53          54 

 15.8049260  15.6337479 -16.3058819  -2.6555063  -9.4538581   0.3937561 

         55          56          57          58          59          60 

 19.3572767  22.8798463  20.1007811 -29.6902402  21.9583548  -5.9285974 

         61          62          63          64          65 

  4.8469903  -3.9402752  -1.4568842  20.7108651  13.0826970 

> 

Assignment 4: Plotting a normal distribution for the data.