r语言第五章作业教程文件.docx
《r语言第五章作业教程文件.docx》由会员分享，可在线阅读，更多相关《r语言第五章作业教程文件.docx（13页珍藏版）》请在冰豆网上搜索。
r语言第五章作业教程文件
r语言第五章作业
第五章课后习题
#1
程序如下：
x<-c（220,188,162,230,145,160,238,188,247,113,126,245,164,231,256,183,190,158,224,175）
t.test（x,alternative="two.sided",mu=225）
输入R软件后得出结果为：
原假设：
油漆工人的血小板计数与正常成年男子无差异。
备择假设：
油漆工人的血小板计数与正常成年男子有差异。
由上图可以知道P值=0.002516<0.05，拒绝原假设，我们可以认为油漆工人的血小板计数与正常成年男子有差异。
#2
程序如下：
x<-c（1067,919,1196,785,1126,936,918,1156,920,948）
t.test（x,alternative="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
程序如下：
x<-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
程序如下：
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,"pnorm"）
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））
p<-c（p[2],p[3]-p[2],p[4]-p[3],1-p[4]）
chisq.test（z1,p=p）
breaks<-seq（from=min（x2）-0.5,to=max（x2）+0.5,by=（max（x2）-min（x2）+1）/4）
z2<-table（cut（x2,br=breaks））
p<-pnorm（breaks,mean（x2）,sd（x2））
p<-c（p[2],p[3]-p[2],p[4]-p[3],1-p[4]）
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
x<-c（125,136,128,123,138,142,116,110,108,115,140）
y<-c（162,172,177,170,175,152,157,159,160,162）
（1）
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。
（2）
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。
（3）
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="l"）
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
x<-0:
4;
y<-c（92,68,28,11,1）
q<-ppois（x,mean（rep（x,y）））
n<-length（y）
p<-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）
n<-length（z）
p<-p[1:
n-1];
p[n]<-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
x<-c（2.36,3.14,7.52,3.48,2.76,5.43,6.54,7.41）
y<-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
x<-c（45,46,28,11,12,20,23,12,10,28,30,35）
dim（x）=c（4,3）
chisq.test（x,correct=TRUE）
P值小于0.05，拒绝原假设，B和C不独立。
#13
x<-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
x<-c（58,1,8,2,42,9,3,7,17）
dim（x）<-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
x<-c（13.32,13.06,14.02,11.86,13.58,13.77,13.51,14.42,14.44,15.43）
（1）
binom.test（sum（x>14.6）,length（x）,al="l"）
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="l",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
x<-scan（）
48.033.037.548.042.540.042.036.011.322.0
36.027.314.232.152.038.017.320.021.046.1
y<-scan（）
37.041.023.417.031.540.031.036.05.711.5
21.06.126.521.344.528.022.620.011.022.3
（1）
符号检验法：
binom.test（sum（xP值小于0.05，拒绝原假设，故认为两种方法有差别。
（2）
Wilcoxon符号秩检验：
wilcox.test（x,y,paired=TRUE,exact=FALSE）
P值小于0.05，拒绝原假设，故认为两种方法有差别。
（3）
Wilcoxon秩和检验：
wilcox.test（x,y,exact=FALSE）
P值小于0.05，拒绝原假设，故认为两种方法有差别。
（4）
方差齐性检验：
var.test（x,y）
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：
shapiro.test（x）
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：
t.test（x,y,paired=TRUE）
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
x<-c（24,17,20,41,52,23,46,18,15,29）
y<-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：
cor.test（x,y,method="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
x<-rep（1:
5,c（0,1,9,7,3））
y<-rep（1:
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。
升级会员 