---
title: rmarkdownパッケージで楽々ドキュメント生成
author: "@kohske"
output:
  html_document:
    toc: true
    theme: united
    fig_width: 3
    fig_height: 2
  pdf_document:
    toc: true
    highlight: zenburn
    latex_engine: lualatex
    fig_width: 3
    fig_height: 2
    fig_caption: true
    number_sections: true
    pandoc_args: [-V documentclass=ltjarticle, --include-in-header=preamble.tex]
  word_document:
    highlight: tango
    fig_width: 2
    fig_height: 1.5
    fig_caption: true	
  beamer_presentation:
    incremental: true
    pandoc_args: [--latex-engine=lualatex, --include-in-header=preamble.tex]
    fig_width: 3
    fig_height: 2
  revealjs_presentation:
    incremental: true
    transition: cube
    fig_width: 3
    fig_height: 2
  ioslides_presentation:
    incremental: true
    transition: faster
    fig_width: 3
    fig_height: 2
---

## はじめに

Rマークダウンでドキュメントとコード書いて→ `rmarkdown::render()` します。

## 例：あやめの解析 (またかよ・・・orz)

**あやめ**とは、

- ~~さかな~~植物の名前です。
- おそらく、世界中でも最も多く解析にさらされた植物でしょう。
- 学名は*Iris sanguinea*といいます。
- イリスではなくて、アイリスです。
- ~大きい声では言えませんが今でも「イリス」と呼んでます。~

## データの雰囲気

ここでは先頭の6行を見てみましょう。

```{r results="asis"}
knitr::kable(head(iris), format = "pandoc", caption="あやめのデータ (1-6行)")
```

## データの解析

変数間の相関を調べてみましょう。

```{r results="asis"}
knitr::kable(cor(iris[, -5]), format = "pandoc", caption="あやめの相関")
```

## データの可視化

ヒストグラムを作って、正規分布($\frac{1}{\sqrt{2\pi\sigma^2}} \exp\left(-\frac{\left(x-\mu\right)^2}{2\sigma^2}\right)$)と比べてみます。

```{r md-docx-fig1, dpi = 150, fig.cap = "ヒストグラム"}
par(mar=c(2.5, 2.5, 1.5, 1))
hist(scale(iris[, 1]), probability = TRUE, ylim=c(0, 0.5), main = NULL)
curve(dnorm(x), add=TRUE)
```

## 最後に

Enjoy!!