重庆大学3程序填空题题库及答案文档格式.docx
《重庆大学3程序填空题题库及答案文档格式.docx》由会员分享，可在线阅读，更多相关《重庆大学3程序填空题题库及答案文档格式.docx（27页珍藏版）》请在冰豆网上搜索。
“运算成功”.这个例子是为了检验数论中的一个简单的定理.请补全下列程序：
fn=function（n）{
if（n<
=0）
list（fail="
要求输入一个正整数"
）
else{
i=0;
______{
if（n______2==0）
n=______
______
n=（3*n+1）
if（n==1）break
i=i+1
______（result="
运算成功"
n=n,iter=i）
##运行得到如下结果：
fn
（1）
$result
[1]"
$n
[1]1
$iter
[1]2
第三章数据描述性分析
3.data_outline.R计算样本的各种描述性统计量。
请补全该程序。
data_outline=function（x）{
n=length（x）
m=______（x）
v=______（x）
s=sd（x）
me=______（x）
cv=100*s/m
css=sum（（x-m）^2）
uss=sum（x^2）
R=___________
R1=quantile（x,3/4）-quantile（x,1/4）
sm=______
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）
第四章参数估计
4.请写出正态均值、方差区间估计及假设检验，非正态均值区间估计的函数名（共23个程序）
正态均值区间估计及假设检验
单总
两总
Sigma已知
Sigma未知
Sigma1,sigma2已知
Sigma1,sigma2未知=
Sigma1,sigma2
未知!
=
区间估计
interval_estimate1（双）
√
interval_estimate2（双）
interval_estimate5（单、双）
t.test（单、双）
X
t.test（单、双、成对）
假设检验
mean.test2
interval_estimate4（区）
t.test（区）
t.test（区、成对）
正态方差区间估计及假设检验
Mu
已知
未知
mu1,mu2
interval_var2（双）
interval_var3（单、双）
interval_var4（单、双）
var.test（单、双）
var.test1
var.test2
interval_var3（区）
interval_var4（区）
非正态均值区间估计：
interval_estimate3（双）
5.单个正态总体均值
的区间估计函数是interval_estimate1.R,请补全此程序。
interval_estimate1=function（x,sigma=-1,alpha=0.05）{
n=length（x）;
xb=mean（x）
if（_____________）{
tmp=sigma/sqrt（n）*_____________;
df=n
tmp=_____________*qt（1-alpha/2,n-1）;
df=_____________
_____________（mean=xb,df=df,a=xb-tmp,b=xb+tmp）
6.单个正态总体方差
的区间估计函数是interval_var1.R,请补全此程序。
interval_var1=function（x,___________,alpha=0.05）{
n=length（x）
if（___________）{
S2=___________;
S2=var（x）;
df=___________
a=df*S2/qchisq（1-alpha/2,df）
b=df*S2/qchisq（alpha/2,df）
data.frame（var=___________,df=df,a=a,b=b）
第五章假设检验
7.P_value.R为求P值的R程序，请补全它。
P_value=function（cdf,x,___________,side=0）{
n=length（paramet）
P=___________（___________,
cdf（x）,
cdf（x,paramet）,
cdf（x,paramet[1],paramet[2]）,
cdf（x,paramet[1],paramet[2],paramet[3]）
）
if（___________）P
elseif（side>
0）___________
else
if（P<
1/2）2*P
else2*（1-P）
8.mean.test1.R是求单个正态总体均值检验的R程序，请补全它。
mean.test1=function（x,mu=0,__________,side=0）{
source（"
__________"
if（__________）{
z=（xb-mu）/（sigma/sqrt（n））
P=P_value（__________,z,side=side）
data.frame（mean=xb,df=n,Z=z,P_value=P）
t=（xb-mu）/（sd（x）/sqrt（n））
P=P_value（__________,t,paramet=n-1,side=side）
data.frame（mean=xb,df=n-1,T=t,P_value=P）
9.var.test1.R是求单个正态总体方差检验的R程序，请补全它。
var.test1=function（x,sigma2=1,_________,side=0）{
P_value.R"
if（_________）{
S2=_________;
df=n
df=n-1
chi2=df*S2/sigma2;
P=P_value（_________,chi2,paramet=_________,side=side）
data.frame（var=S2,df=df,chisq2=chi2,P_value=P）
第六章回归分析
10.下面是利用R软件中的lm（）求解回归参数的计算过程。
请补全结果，在横线上填统计量，而不是具体的数值。
>
x=c（0.10,0.11,0.12,0.13,0.14,0.15,0.16,0.17,0.18,0.20,0.21,0.23）
y=c（42.0,43.5,45.0,45.5,45.0,47.5,49.0,53.0,50.0,55.0,55.0,60.0）
lm.sol=lm（y~1+x）
summary（lm.sol）
Call:
lm（formula=y~1+x）
Residuals:
Min1QMedian3QMax
-2.0431-0.70560.16940.66332.2653
Coefficients:
EstimateStd.ErrortvaluePr（>
|t|）
（Intercept）__________________5.88e-09***
x130.8359.68313.519.50e-08***
---
Signif.codes:
0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1
Residualstandarderror:
______on10degreesoffreedom
MultipleR-Squared:
______,AdjustedR-squared:
0.9429
F-statistic:
182.6on1and10DF,p-value:
9.505e-08
第七章方差分析
11.请补全单因素方差分析表。
因素Ar-1
MSA=_________F=__________p
误差n-r
MSE=_________
总和______________
第八章应用多元分析（I）
12.请补全以下程序。
discriminiant.distance=function
（TrnX1,TrnX2,_________=NULL,var.equal=FALSE）{
if（is.null（TstX）==TRUE）TstX=rbind（TrnX1,TrnX2）
if（is.vector（TstX）==TRUE）TstX=______________
elseif（is.matrix（TstX）!
=TRUE）
TstX=as.matrix（TstX）
if（is.matrix（TrnX1）!
=TRUE）TrnX1=as.matrix（TrnX1）
if（is.matrix（TrnX2）!
=TRUE）TrnX2=as.matrix（TrnX2）
nx=nrow（TstX）
blong=matrix（rep（0,nx）,nrow=1,byrow=TRUE,
dimnames=list（"
blong"
1:
nx））
mu1=colMeans（TrnX1）;
mu2=colMeans（TrnX2）
if（______________）{
S=_________（rbind（TrnX1,TrnX2））
w=mahalanobis（TstX,mu2,S）-mahalanobis（TstX,mu1,S）
S1=var（TrnX1）;
S2=var（TrnX2）
w=mahalanobis（TstX,mu2,S2）-mahalanobis（TstX,mu1,S1）
for（iin1:
nx）{
if（w[i]>
0）
blong[i]=1
else
blong[i]=2
_________
13.请补全以下程序。
distinguish.distance=function
（TrnX,________,TstX=NULL,var.equal=FALSE）{
if（___________==FALSE）{
mx=nrow（TrnX）;
mg=nrow（TrnG）
TrnX=rbind（TrnX,TrnG）
TrnG=factor（rep（1:
2,c（mx,mg）））
if（is.null（TstX）==TRUE）TstX=TrnX
if（is.vector（TstX）==TRUE）TstX=t（as.matrix（TstX））
if（is.matrix（TrnX）!
=TRUE）TrnX=as.matrix（TrnX）
blong=matrix（rep（0,nx）,nrow=1,dimnames=list（"
g=length（levels（TrnG））
mu=matrix（0,nrow=g,ncol=ncol（TrnX））
g）
mu[i,]=colMeans（TrnX[TrnG==i,]）
D=matrix（0,nrow=g,ncol=nx）
if（____________________）{
D[i,]=_________________________
D[i,]=mahalanobis（TstX,mu[i,],var（TrnX[TrnG==i,]））
for（jin1:
______________
if（D[i,j]<
dmin）{
dmin=D[i,j];
blong[j]=i
blong
14.请补全以下程序。
discriminiant.bayes=function
（TrnX1,TrnX2,__________,TstX=NULL,var.equal=FALSE）{
S=var（rbind（TrnX1,TrnX2））;
beta=__________
w=_____________________________________
beta=2*log（rate）+log（det（S1）/det（S2））
if（__________）
第九章应用多元分析（II）
15.下面是主成分法的R程序，请补全它。
factor.analy1=function（S,m）{
p=nrow（S）;
diag_S=diag（S）;
sum_rank=sum（diag_S）
rowname=paste（"
X"
p,sep="
"
colname=paste（"
Factor"
m,sep="
A=matrix（0,nrow=p,ncol=m,
dimnames=list（rowname,colname））
eig=______________
m）
A[,i]=__________________*eig$vectors[,i]
h=diag（______________）
rowname=c（"
SSloadings"
"
ProportionVar"
CumulativeVar"
B=matrix（0,nrow=3,ncol=m,
m）{
B[1,i]=______________
B[2,i]=B[1,i]/sum_rank
B[3,i]=sum（B[1,1:
i]）/sum_rank
method=c（"
PrincipalComponentMethod"
list（method=method,loadings=A,
var=__________（common=h,spcific=diag_S-h）,B=B）
16.下面是主因子法的R程序，请补全它。
factor.analy2=function（_____________）{
p=nrow（R）;
diag_R=diag（R）;
sum_rank=sum（diag_R）
kmax=20;
k=1;
h=_________
_________{
diag（R）=h;
h1=h;
eig=eigen（R）
A[,i]=sqrt（eig$values[i]）*eig$vectors[,i]
h=diag（A%*%t（A））
if（（___________________<
1e-4）|k==kmax）break
B[1,i]=sum（A[,i]^2）
_________=c（"
PrincipalFactorMethod"
var=cbind（common=h,spcific=diag_R-h）,B=B,iterative=k）
}
17.下面是将因子分析的三种估计方法结合在一起的R程序，请补全它。
factor.analy=function（S,m=0,
d=______________,method="
___________"
）{
eig=eigen（S）
sum_eig=sum（diag（S））
p）{
if（________________/sum_eig>
0.70）{
m=i;
break
factor.analy1.R"
factor.analy2.R"
factor.analy3.R"
___________（method,
princomp=factor.analy1（S,m）,
factor=factor.analy2（S,m,d）,
likelihood=factor.analy3（S,m,d）
）
程序填空题题库答案
Newton法的迭代格式
升级会员 