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