R语言实验4.docx
- 文档编号:298528
- 上传时间:2022-10-08
- 格式:DOCX
- 页数:10
- 大小:178.41KB
R语言实验4.docx
《R语言实验4.docx》由会员分享,可在线阅读,更多相关《R语言实验4.docx(10页珍藏版)》请在冰豆网上搜索。
R语言实验4
R语言实验4
实验4R绘图
(一)
一、实验目的:
1.掌握描述性统计分析中常用的统计量;
2.掌握R语言绘制直方图、密度估计曲线、经验分布图和QQ图的方法;
3.掌握R语言绘制茎叶图、箱线图的方法;
4.掌握W检验方法和K-S检验方法完成数据的正态分布检验。
二、实验内容:
练习:
要求:
①完成练习并粘贴运行截图到文档相应位置(截图方法见下),并将所有自己输入文字的字体颜色设为红色(包括后面的思考及小结),②回答思考题,③简要书写实验小结。
④修改本文档名为“本人完整学号姓名1”,其中1表示第1次实验,以后更改为2,3,...。
如文件名为“1305543109张立1”,表示学号为1305543109的张立同学的第1次实验,注意文件名中没有空格及任何其它字符。
最后连同数据文件、源程序文件等(如果有的话,本次实验没有),一起压缩打包发给课代表,压缩包的文件名同上。
截图方法:
法1:
调整需要截图的窗口至合适的大小,并使该窗口为当前激活窗口(即该窗口在屏幕最前方),按住键盘Alt键(空格键两侧各有一个)不放,再按键盘右上角的截图键(通常印有“印屏幕”或“PrScrn”等字符),即完成截图。
再粘贴到word文档的相应位置即可。
法2:
利用QQ输入法的截屏工具。
点击QQ输入法工具条最右边的“扳手”图标
,选择其中的“截屏”工具。
)
1.自行完成教材P107页开始的3.1-3.2节中的例题。
2.以前在做实验1的练习时,我们画过直方图。
当时的题目是这样的:
利用hist()函数画直方图。
>X<-c(35,40,40,42,37,45,43,37,44,42,41,39)
>hist(X)
这次实验先重新运行以上命令后,接着运行以下命令:
>windows()#R作图会覆盖前一幅图,此命令是新开一个画图窗口
>hist(X,freq=F)
把两个图分别截下复制到下面,进行比较,你发现有什么不同?
答:
纵坐标不同,一个是频数(Frequency),一个是密度(Density)
如果想把这两幅图画在同一个画图窗口中,可以输入以下命令:
>par(mfrow=c(1,2))#在一个窗口里放多张图,这里是1行2列共2个图
>hist(X)
>hist(X,freq=F)
运行结果截图:
3.(习题3.1)某单位对100名女生测定血清总蛋白含量(g/L),数据如下:
74.378.868.878.070.480.580.569.771.273.579.575.675.078.872.072.072.074.371.272.075.073.578.874.375.865.074.371.269.768.073.575.072.064.375.880.369.774.373.573.575.875.868.876.570.471.281.275.070.468.070.472.076.574.376.577.667.372.075.074.373.579.573.574.765.076.581.675.472.772.767.276.572.770.477.268.867.367.367.372.775.873.575.073.573.573.572.781.670.374.373.579.570.476.572.777.284.375.076.570.4
计算均值、方差、标准差、极差、标准误、变异系数、偏度、峰度。
要求:
先将上述数据单独存为一个文本文件,名字为STP.txt。
然后利用scan()函数读取并计算。
源代码及运行结果(不需要截图,直接把运算结果复制过来):
data_outline<-function(x){
n<-length(x)
m<-mean(x)
v<-var(x)
s<-sd(x)
me<-median(x)
cv<-100*s/m
css<-sum((x-m)^2)
uss<-sum(x^2)
R<-max(x)-min(x)
R1<-quantile(x,3/4)-quantile(x,1/4)
sm<-s/sqrt(n)
g1<-n/((n-1)*(n-2))*sum((x-m)^3)/s^3
g2<-((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4-(3*(n-1)^2)/((n-2)*(n-3)))
data.frame(N=n,Mean=m,Var=v,std_dev=s,Median=me,std_mean=sm,CV=cv,CSS=css,USS=uss,R=R,R1=R1,Skewness=g1,Kurtosis=g2,row.names=1)
}
进入R,
>source("data_outline.R")
>w<-scan("STP.txt")
>w
>data_outline(w)
运行结果:
NMeanVarstd_devMedianstd_meanCVCSSUSSR
110073.66815.515133.93892573.50.39389255.346861535.998544233.420
R1SkewnessKurtosis
14.60.05405930.03702249
4.(习题3.2)绘出习题3.1的直方图、密度估计曲线、经验分布图和QQ图,并将密度估计曲线与正态密度曲线相比较,将经验分布曲线与正态分布曲线相比较(其中正态曲线的均值和标准差取习题3.1计算出的值)。
注意:
以上4个图形的颜色自行定义,只要能区分开来就行。
源代码:
>hist(w,freq=FALSE)
>lines(density(w),col="green")
>x<-64:
85
>lines(x,dnorm(x,mean(w),sd(w)),col="red")
>plot(ecdf(w),verticals=TRUE,do.p=FALSE)
>lines(x,pnorm(x,mean(w),sd(w)),col="blue")
>qqnorm(w,col="blue")
>qqline(w,col="red")
运行截图:
5.(习题3.3)绘出习题3.1的茎叶图、箱线图,并计算五数总括。
注意:
以上图形的颜色自行定义。
源代码:
>stem(w)
>boxplot(w,col="lightgreen",name=c('w'),notch=T)
>fivenum(w)
运行截图:
6.(习题3.4)分别用W检验方法和Kolmogorov-Smirnov检验方法检验习题3.1的数据是否服从正态分布。
源代码:
>shapiro.test(w)
>ks.test(w,"pnorm",mean(w),sd(w))
运行截图:
结论:
正态性W检验得出P值为0.6708>0.05,因此,认为样本来自正态分布的总体。
经验分布的检验:
P>0.05,可认为来自正态分布总体。
有警告信息是因为数据有重复数值,ks检验要求待检数据时连续的,不被重复的。
思考:
1.统计分析包括哪两个方面的分析?
统计描述和统计推断
2.描述集中趋势的统计量有哪些?
均值,众数,百分位数,中位数等
3.描述分散程度的统计量有哪些?
方差,标准差,极差,四分位极差,变异系数和标准误差等
4.描述分布形状的统计量有哪些?
偏度系数和峰度系数
5.标准差刻画的是样本值与样本均值的偏离程度,标准误刻画的是样本均值与_____的偏离程度。
样本
6.lapply()函数和sapply()函数有什么异同点?
异:
lapply()函数输出列表;sapply()函数输出向量
同:
作用于向量或列表的数据集合上(数据框)
7.R中每一个分布都对应有四个函数,以正态分布norm为例,请写出它对应的4个函数,并简要说明每个函数的作用。
dnorm()的返回值是正态分布的概率密度函数
pnorm()的返回值是正态分布的分布函数
qnorm()的返回值是给定概率p后的下分位点
rnorm()的返回值是n个正态分布随机数构成的向量
8.QQ图有什么作用?
QQ图可以帮助我们鉴别样本的分布是否近似于某种类型分布
9.箱线图中,箱的底部,中部和顶部分别表示什么?
在箱线图中,上(Q3)下(Q1)四分位点分别确定出中间箱体的顶部和底部,箱体中间的粗线是中位数(me)所在位置
10.在R中,如果想在一个输出窗口里放2行3列共6张图,需要运行什么命令?
>par(mfrow=c(2,3))
三、实验小结(必写,但字数不限)
这次实验主要是数据分布,统计描述通过绘制图(直方图、茎叶图、箱线图等)对数据进行分析,还需要进行正态w和分布ks进行检验是否服从正态分布,进行五数的总括,最能反应数据重要特征。
掌握统计描述是非常重要的,因为是数据分析的基础。
学会进行密度估计曲线与正态密度曲线相比较,经验分布曲线与正态分布曲线相比较。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 语言 实验