统计学基于R第3版习题答案第二章.docx
《统计学基于R第3版习题答案第二章.docx》由会员分享，可在线阅读，更多相关《统计学基于R第3版习题答案第二章.docx（26页珍藏版）》请在冰豆网上搜索。
统计学基于R第3版习题答案第二章
习题
2.1
（1）简单频数分布表：
>load（"D:
\\工作总结\\人大\\R语言\\《统计学—基于R》（第3版）—例题和习题数据（公开资源）\\exercise\\ch2\\exercise2_1.RData"）
>summary（exercise2_1）
行业性别满意度
电信业:
38男:
58不满意:
75
航空业:
19女:
62满意:
45
金融业:
26
旅游业:
37
二维列联表：
>mytable1<-table（exercise2_1$行业,exercise2_1$满意度）
>addmargins（mytable1）#增加边界和
不满意满意Sum
电信业251338
航空业12719
金融业111526
旅游业271037
Sum7545120
三维列联表：
>mytable1<-ftable（exercise2_1,row.vars=c（"性别","满意度"）,col.var="行业"）;mytable1
行业电信业航空业金融业旅游业
性别满意度
男不满意117711
满意6376
女不满意145416
满意7484
（2）
条形图：
>count1<-table（exercise2_1$行业）
>count2<-table（exercise2_1$性别）
>count3<-table（exercise2_1$满意度）
>par（mfrow=c（1,3）,mai=c（0.7,0.7,0.6,0.1）,cex=0.7,cex.main=0.8）
>barplot（count1,xlab="行业",ylab="频数"）
>barplot（count2,xlab="性别",ylab="频数"）
>barplot（count3,xlab="满意度",ylab="频数"）
帕累托图：
>count1<-table（exercise2_1$行业）
>par（mai=c（0.7,0.7,0.1,0.8）,cex=0.8）
>x<-sort（count1,decreasing=T）
>bar<-barplot（x,xlab="行业",ylab="频数",ylim=c（0,1.2*max（count1））,col=2:
5）
>text（bar,x,labels=x,pos=3）#条形图增加数值
>y<-cumsum（x）/sum（x）#cumsum累计求和
>par（new=T）
>plot（y,type="b",lwd=1.5,pch=15,axes=F）
>axis（4）#右Y轴
>mtext（"累积频率",side=4,line=3）
>mtext（"累积分布曲线",line=-2.5,cex=0.8,adj=0.75）
复式条形图：
>mytable1<-table（exercise2_1$满意度,exercise2_1$行业）
>barplot（mytable1,xlab="行业",ylab="频数",legend=rownames（mytable1）,args.legend=list（x=13）,beside=T）
脊形图：
>library（vcd）
>spine（行业~满意度,data=exercise2_1,xlab="满意度",ylab="行业",margins=c（4,3.5,1,2.5））
马赛克图：
>mosaicplot（~性别+行业+满意度,data=exercise2_1,col=2:
3）
（3）
饼图：
>count1<-table（exercise2_1$行业）
>name<-names（count1）
>percent<-prop.table（count1）*100
>label1<-paste（name,"",percent,"%",sep=""）
>par（pin=c（3,3）,mai=c（0.1,0.4,0.1,0.4）,cex=0.8）#圆的大小
>pie（count1,labels=label1,init.angle=90）
扇形图：
>count1<-table（exercise2_1$行业）
>name<-names（count1）
>percent<-count1/sum（count1）*100
>labs<-paste（name,"",percent,"%",sep=""）
>library（plotrix）
>fan.plot（count1,labels=labs,ticks=200）
2.2
（1）分10组，绘制频数分布表
>load（"D:
\\工作总结\\人大\\R语言\\《统计学—基于R》（第3版）—例题和习题数据（公开资源）\\exercise\\ch2\\exercise2_2.RData"）
>library（actuar）
>v<-as.vector（exercise2_2$灯泡寿命）
>gd1<-grouped.data（v,breaks=10,right=FALSE）
>table1<-data.frame（gd1）;table1
Var.1v
1[2600,2800）1
2[2800,3000）4
3[3000,3200）12
4[3200,3400）13
5[3400,3600）27
6[3600,3800）20
7[3800,4000）19
8[4000,4200）4
（2）直方图
>d<-exercise2_2$灯泡寿命
>hist（d,breaks=10,xlab="寿命",ylab="频数"）
茎叶图：
>stem（exercise2_2$灯泡寿命）
Thedecimalpointis2digit（s）totherightofthe|
26|0
28|968
0557********
32|7888990134569
34|11335667799112223344455559
0335********
38|22455566670055669
40|001017
2.3
（1）箱线图：
>load（"D:
\\工作总结\\人大\\R语言\\《统计学—基于R》（第3版）—例题和习题数据（公开资源）\\exercise\\ch2\\exercise2_3.RData"）
>boxplot（exercise2_3[,-1],xlab="城市",ylab="气温",cex.lab=0.8,cex.axis=0.6）#从第二列开始，到最后
小提琴图：
>library（vioplot）
>x1<-exercise2_3$北京
>x2<-exercise2_3$沈阳
>x3<-exercise2_3$上海
>x4<-exercise2_3$南昌
>vioplot（x1,x2,x3,x4,names=c（"北京","沈阳","上海","南昌"））
（2）点图：
>library（reshape）
>table1_1<-melt（exercise2_3,id.vars=c（"月份"）,variable_name="城市"）
>table1_1<-rename（table1_1,c（value="温度"））
>dotchart（table1_1$温度,groups=table1_1$城市,xlab="温度",pch=20）
>library（lattice）
>dotplot（温度~城市,data=table1_1,pch=19）
核密度图：
>library（lattice）
>dp1<-densityplot（~温度,group=城市,data=table1_1,auto.key=list（columns=1,x=0.01,y=0.95,cex=0.6）,cex=0.5）
>plot（dp1）
>library（sm）
>pare（table1_1$温度,table1_1$城市,lty=1:
6,col=1:
6）
>legend（"topleft",legend=levels（table1_1$城市）,lty=1:
6,col=1:
6）
（3）轮廓图
>matplot（t（exercise2_3[,-1]）,type="b",xlab="城市",ylab="温度",pch=1,xaxt="n"）
>axis（side=1,at=1:
10,labels=c（"北京","沈阳","上海","南昌","郑州","武汉","广州","海口","重庆","昆明"））
>legend（"bottomright",legend=names（exercise2_3[,-1]））#取列名
雷达图：
>library（fmsb）
>table1<-data.frame（t（exercise2_3[,2:
11]））#行列进行转换，并数据框
>radarchart（table1,axistype=0,seg=4,maxmin=F,vlabels=exercise2_3[,1]）
>legend（x="topleft",legend=names（exercise2_3[,2:
11]）,col=1:
10,lty=1:
10）#lty图例
（4）星图：
>matrix1<-as.matrix（exercise2_3[,2:
11]）
>rownames（matrix1）<-exercise2_3[,1]
>stars（matrix1,key.loc=c（7,2,5）,cex=0.8）
脸谱图：
>library（aplpack）
>faces（t（matrix1）,nrow.plot=5,ncol.plot=2,face.type=0）
effectofvariables:
modifieditemVar
"heightofface""1月"
"widthofface""2月"
"structureofface""3月"
"heightofmouth""4月"
"widthofmouth""5月"
"smiling""6月"
"heightofeyes""7月"
"widthofeyes""8月"
"heightofhair""9月"
"widthofhair""10月"
"styleofhair""11月"
"heightofnose""12月"
"widthofnose""1月"
"widthofear""2月"
"heightofear""3月"
2.4
（1）散点图：
>plot（地区生产总值,最终消费支出,xlab="",ylab='最终消费支出'）
>abline（lm（最终消费支出~地区生产总值,data=exercise2_4））
>points（固定资产投资,最终消费支出,ylab='最终消费支出',pch=2,col="blue"）
>abline（lm（最终消费支出~固定资产投资,data=exercise2_4）,col="blue"）
气泡图：
>r<-sqrt（最终消费支出/pi）
>symbols（最终消费支出,地区生产总值,circles=r,inches=0.3,fg="white",bg="lightblue",ylab="最终消费支出",xlab="地区生产总值"）
>text（最终消费支出,地区生产总值,rownames（exercise2_4））
>mtext（"气泡大小=最终消费支出",line=-2.5,adj=0.1）
（2）星图：
>matrix1<-as.matrix（exercise2_4[,2:
4]）
>rownames（matrix1）<-exercise2_4[,1]
>stars（matrix1,key.loc=c（7,2,5）,cex=0.8）
脸谱图：
>library（aplpack）
>faces（matrix1,nrow.plot=6,ncol.plot=6,face.type=0）
2.5
时序图：
>load（"D:
\\工作总结\\人大\\R语言\\《统计学—基于R》（第3版）—例题和习题数据（公开资源）\\exercise\\ch2\\exercise2_5.RData"）
>table1<-ts（exercise2_5,start=2004）
>plot（table1[,2],xlab="年份",ylab="价格指数",type="n"）
>points（table1[,2],type="o",xlab="年份",ylab="城镇价格指数"）
>lines（table1[,3],type="b"）
2.6
洛伦茨曲线：
>load（"D:
\\工作总结\\人大\\R语言\\《统计学—基于R》（第3版）—例题和习题数据（公开资源）\\exercise\\ch2\\exercise2_6.RData"）
>library（DescTools）
>Lc（exercise2_6$不同阶层人口数的收入额*10000/exercise2_6$不同收入阶层的人口数,exercise2_6$不同收入阶层的人口数）#标红为组中值，收入/人数
$p
[1]0.00000000.34782610.60869570.82608700.95652171.0000000
$L
[1]0.000000000.060606060.151515150.333333330.636363641.00000000
$L.general
[1]02000050000110000210000330000
$Gini
[1]0.6232632
$x
[1]1250.002500.006000.0016666.6760000.00
$n
[1]8060503010
attr（,"class"）
[1]"Lc"
>plot（Lc（exercise2_6$不同阶层人口数的收入额*10000/exercise2_6$不同收入阶层的人口数,exercise2_6$不同收入阶层的人口数）,xlab="人数比例",ylab="收入比例",col=4,panel.first=grid（10,10,col="gray70"））
结论：
>0.4，收入差距巨大
升级会员 