r语言第五章作业Word格式.docx

r语言第五章作业Word格式.docx

《r语言第五章作业Word格式.docx》由会员分享，可在线阅读，更多相关《r语言第五章作业Word格式.docx（13页珍藏版）》请在冰豆网上搜索。

less"

mu=1000）

pnorm（1000,mean（x）,sd（x））

R软件里的出的结果是

由结果知道P值=0.473>

0.05，故接受原假设，即这个星期生产出的灯泡能使用1000h以上的概率为0.4912059

#3

-c（113,120,138,120,100,118,138,123）

y<

-c（138,116,125,136,110,132,130,110）

t.test（x,y,paired=TRUE）

R软件得出结果是：

P值=0.5357>

0.05，故接受原假设，即两种方法无差异。

#4

x1<

-c（-0.70,-5.6,2.0,2.8,0.7,3.5,4.0,5.8,7.1,-0.5,2.5,-1.6,1.7,3.0,0.4,4.5,4.6,2.5,6.0,-1.4）

x2<

-c（3.7,6.5,5.0,5.5,0.8,0.2,0.6,3.4,6.6,-1.1,6.0,3.8,2.0,1.6,2.0,2.2,1.2,3.1,1.7,-2.0）

（1）

shapiro.test（x1）

shapiro.test（x2）

实验组和对照组的P值均大于0.05，故接受原假设，即实验组和对照组的数据是来之正态分布。

Ks检验：

ks.test（x1,"

pnorm"

mean（x1）,sd（x1））

ks.test（x2,"

）

Pearson拟合优度检验：

breaks<

-seq（from=min（x1）-0.5,to=max（x1）+0.5,by=（max（x1）-min（x1）+1）/4）

z1<

-table（cut（x1,br=breaks））

p<

-pnorm（breaks,mean（x1）,sd（x1））

-c（p[2],p[3]-p[2],p[4]-p[3],1-p[4]）

chisq.test（z1,p=p）

-seq（from=min（x2）-0.5,to=max（x2）+0.5,by=（max（x2）-min（x2）+1）/4）

z2<

-table（cut（x2,br=breaks））

-pnorm（breaks,mean（x2）,sd（x2））

chisq.test（z2,p=p）

实验组和对照组的P值均大于0.05，故接受原假设，x的数据是来之正态分布。

（2）

成对t检验

t.test（x1,x2,paired=TRUE）

方差相同模型t检验

t.test（x1,x2,paired=F,var.equal=T）

方差不同模型t检验

t.test（x1,x2,paired=F,var.equal=F）

三种检验结果均显示两组数据均值均无差异。

（3）

方差检验

var.test（x1,x2）

P值>

0.05，接受原假设，认为两组数据的方差相同。

#5

-c（125,136,128,123,138,142,116,110,108,115,140）

-c（162,172,177,170,175,152,157,159,160,162）

shapiro.test（x）

shapiro.test（y）

x和y的P值均大于0.05，接受原假设，认为两组数据服从正态分布。

方差齐性检验：

var.test（x,y）

P值大于0.05，接受原假设，即x和y的方差相同。

wilcox.test（x,y,al="

l"

exact=F,paired=F）

P值小于0.05，拒绝原假设，x和y两者有差别。

#6

binom.test（57,n=400,p=0.147,al="

P值大于0.05，接受原假设，表示调查结果支持该市老年人口的看法。

#7

binom.test（178,328,p=0.5,alternative="

greater"

不能认为这种处理能增加母鸡的比例。

#8

chisq.test（c（315,101,108,32）,p=c（9,3,3,1）/16）

P值大于0.05，故接受原假设，符合自由组合定律。

#9

-0:

4;

-c（92,68,28,11,1）

q<

-ppois（x,mean（rep（x,y）））

n<

-length（y）

-numeric（n）

p[1]<

-q[1]

p[n]<

-1-q[n-1]

for（iin2:

（n-1））

p[i]<

-q[i]-q[i-1]

chisq.test（y,p=p）

Warning是因为有cell的数目小于5

z<

-c（92,68,28,12）

-length（z）

-p[1:

n-1];

-1-q[n-1];

chisq.test（z,p=p）

P值大于0.05，接受原假设，那么我们可以认为数据服从泊松分布。

#10

-c（2.36,3.14,7.52,3.48,2.76,5.43,6.54,7.41）

-c（4.38,4.25,6.53,3.28,7.21,6.55）

ks.test（x,y）

P值大于0.05，接受原假设，可以认为两样本来之同一个总体。

#11

x=c（358,2492,229,2745）

dim（x）=c（2,2）

chisq.test（x,correct=TRUE）

P值小于0.05，拒绝原假设，即有影响。

#12

-c（45,46,28,11,12,20,23,12,10,28,30,35）

dim（x）=c（4,3）

P值小于0.05，拒绝原假设，B和C不独立。

#13

-c（3,6,4,4）

dim（x）<

-c（2,2）

fisher.test（x）

P值大于0.05，接受原假设，两变量独立，两种工艺对产品的质量没有影响。

#14

-c（58,1,8,2,42,9,3,7,17）

-c（3,3）

mcnemar.test（x,correct=F）

P值大于0.05，接受原假设，不能认定两种方法测定结果不同。

#15

-c（13.32,13.06,14.02,11.86,13.58,13.77,13.51,14.42,14.44,15.43）

binom.test（sum（x>

14.6）,length（x）,al="

结果显示P值小于0.05，拒绝原假设，故认为鱼的长度在中位数之下。

Wilcoxon符号秩检验：

wilcox.test（x,mu=14.6,al="

exact=F,correct=F,conf.int=T）

P值小于0.05，故拒绝原假设，中位数小于14.6。

#16

-scan（）

48.033.037.548.042.540.042.036.011.322.0

36.027.314.232.152.038.017.320.021.046.1

37.041.023.417.031.540.031.036.05.711.5

21.06.126.521.344.528.022.620.011.022.3

符号检验法：

binom.test（sum（x<

y）,length（x））

P值小于0.05，拒绝原假设，故认为两种方法有差别。

wilcox.test（x,y,paired=TRUE,exact=FALSE）

Wilcoxon秩和检验：

wilcox.test（x,y,exact=FALSE）

（4）

P值大于0.05，故接受原假设，认为两种方法的方差相同。

正态性检验：

P值大于0.05，故不能拒绝原假设，我们可以认为数据来之正态分布。

t检验：

P值小于0.05，拒绝原假设，故认为两者有差别。

（5）

综上所述，Wilcoxon符号秩检验的差异检出能力最强，符号检验的差异检出最弱。

#17

-c（24,17,20,41,52,23,46,18,15,29）

-c（8,1,4,7,9,5,10,3,2,6）

spearman秩相关检验：

cor.test（x,y,method="

spearman"

kendall秩相关检验：

kendall"

两次检验的结果显示学习时间和得分有关系，呈正相关关系。

#18

-rep（1:

5,c（0,1,9,7,3））

5,c（2,2,11,4,1））

wilcox.test（x,y,exact=F）

P值大于0.05，故不能拒绝原假设，不能认为新方法的疗效显著优于原疗法。