R软件期末考试复习提纲Word格式.docx

1、MAge=c（13,13,12,13,12）,Height=c（56.5,65.3,57.3,62.5,59.0）,Weight=c（84.0,98.0,83.0,84.0,99.5）;dfLst=list（Name=c（Weight=c（84.0,98.0,83.0,84.0,99.5）LstLstNameLstLst1Lst1Lst$Namedf=as.data.frame（Lst）x=array（1:6,dim=c（2,3）as.data.frame（x）#数据框的引用df1:2,3:5dfHeightdf$Weightnames（df）#此属性一定非空rownames（df）=c（at

2、tach（df）r=Height/Weightrdf$r=rnames（df）detach（）#2.矩阵的运算a=diag（1:3）a21=1#1转置运算t（a）#2行列式det（a）#3向量内积x=1:5y=2*1:x%*%yt（x）%*%ycrossprod（x,y）#4向量的外积x%*%t（y）tcrossprod（x,y）outer（x,y）x%o%y#矩阵的乘法9,dim=c（3,3）b=array（9:1,dim=c（3,3）3a*ba%*%bx%*%a%*%xcrossprod（a,b）#t（a）%*%btcrossprod（a,b）#a%*%t（b）#矩阵的逆solve（a）b

3、=1:solve（a,b）#ax=b的解#矩阵的特征值与特征向量sm=eigen（a）sme=diag（1:svde=svd（e）svdeattach（svde）u%*%diag（d）%*%t（v）#与矩阵运算有关的函数#取维数4）nrow（a）ncol（a）#矩阵的合并x1=rbind（c（1,2）,c（3,4）x2=x1+10x3=cbind（x1,x2）x3x4=rbind（x1,x2）x4cbind（1,x1）#矩阵的拉直6,ncol=2,dimnames=list（c（c（firstsecond）,byrow=T）as.vector（a）#apply函数apply（a,1,mean）

4、apply（a,2,sum）tapply（1:5,factor（c（fm）,mean）#第二题#产生随机数x=rnorm（100,0,1）x#画随机数的直方图hist（x,freq=F）#核密度曲线density（x）lines（density（x）,col=blue#添加正态分布分布函数y=seq（-4,3,0.2）lines（y,dnorm（y,mean（x）,sd（x）,col=red#画随机数的经验分布函数z=rnorm（50,0,1）plot（ecdf（z）,do.p=F,verticals=T）d=seq（-3,2,0.2）lines（d,pnorm（d,mean（z）,sd（z）

5、,col=y=rpois（100,2）plot（ecdf（y）,col=,verticals=T,do.p=F）x=0:8lines（x,ppois（x,mean（y）,col=w=c（75,64,47.4,66.9,62.2,62.2,58.7,63.5,66.6,64.0,57.0,69.0,56.9,50.0,72.0）hist（w,freq=F）lines（density（w）,col=x=44:76lines（x,dnorm（x,mean（w）,sd（w）,col=plot（ecdf（w）,do.p=F,verticals=T）lines（x,pnorm（x,mean（w）,sd（w

6、）,col=#编写函数求随机数的各种描述统计量data_outline=function（x）n=length（x）m=mean（x）v=var（x）s=sd（x）me=median（x）cv=100*s/mcss=sum（x-m）2）uss=sum（x2）R=max（x）-min（x）#样本极差R1=quantile（x,3/4）-quantile（x,1/4）#四分位差sm=s/sqrt（n）#样本标准误g1=n/（n-1）/（n-2）*sum（x-m）3）/s3g2=n*（n+1）/（n-1）/（n-2）/（n-3）*sum（x-m）4）/s4-3*（n-1）2/（n-2）/（n-3）d

7、ata.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）x=rnorm（100）data_outline（x）#第三题#r,p,q,drnorm（100,0,1）pnorm（1:5,0,1）dnorm（-3:3,0,1）qnorm（seq（0,1,0.25）,0,1）rbeta（100,2,2）rbinom（100,100,0.5）pbinom（1:100,100,0.5）dbinom（1:5,10

8、0,0.5）qbinom（seq（0,1,0.1）,100,0.5）rchisq（100,1）qchisq（seq（0,1,0.2）,10）pchisq（1:10,10）dchisq（1:rexp（100,0.5）rpois（100,2）ppois（1:1000,2）dpois（1:100,2）runif（100,0,1）qunif（c（0,0.2,0.8）,0,1）punif（seq（0,1,0.2）,0,1）dunif（seq（0,1,0.01）,0,1）rt（100,2）qt（0.8,2）pt（-3:3,2）dt（-3:rf（100,1,2）qf（0.8,1,2） #四置信区间#1#（1

9、）sigma已知interval_estimate1=function（x,side=0,sigma=1,alpha=0.05）xb=mean（x）;if（sidea=xb-tmp;b=Infelsetmp=sigma/sqrt（n）*qnorm（1-alpha/2）b=xb+tmpdata.frame（mean=xb,a=a,b=b）x=rnorm（100,0,4）interval_estimate1（x,sigma=4,side=0）interval_estimate1（x,sigma=4,side=-1）interval_estimate1（x,sigma=4,side=1）#（2）si

10、gma未知interval_estimate2=function（x,side=0,alpha=0.05）tmp=sd（x）/sqrt（n）*qt（1-alpha,n-1）b=Inftmp=sd（x）/sqrt（n）*qt（1-alpha/2,n-1）interval_estimate2（x,side=-1）interval_estimate2（x,side=0）interval_estimate2（x,side=1）t.test（x,side=-1）t.test（x,side=0）t.test（x,side=1）#两个总体sigma1=sigma2但未知interval_estimate3=

11、function（x,y,alpha=0.05）yb=mean（y）n1=length（x）;n2=length（y）sw=（n1-1）*var（x）+（n2-1）*var（y）/（n1+n1-2）tmp=sqrt（1/n1+1/n2）*sw）*qt（1-alpha/2,n1+n2-2）a=xb-yb-tmp;b=xb-yb+tmpdata.frame（mean=xb-yb,a=a,b=b）y=rnorm（100,1,1）interval_estimate3（x,y）t.test（x,y）-0.03643479 - 0.98699097#第五题假设检验#（1）sigam已知，双侧，检验mu=m

12、u0mean.test1=function（x,mu=0,sigma=1）z=（xb-mu）/sigma*sqrt（n）p=pnorm（z）if（p=50）,100）y=rbinom（100,100,0.4）binom.test（sum（xy）,length（x）,alt=g#wilcoxon符号秩和检验（精确或大样本近似）#wilcox.test（x,y,alt,mu,paired=F,exact=NULL,correct=T,conf.int=F,conf.level=0.95）r=runif（100,136,145）wilcox.test（r,mu=140,alt=,exact=F,co

13、nf.int=T,correct=F）y=rnorm（100）wilcox.test（x,y,paired=T,alt=wilcox.test（x-y,alt=y）,length（x）,alt=#第七题#相关性检验6y=6:1z=2:7cor.test（x,y,alt=,method=spearmancor.test（x,z,alt=#无节点x=c（2,3,1,4,5,8,6）y=1:,correct=T）r=rank（x）R=rank（y）Rs=sum（r-R）2）rho=1-6*s/n/（n2-1）rho#有节点x=c（2,3,4,4,5,8,6）,correct=T）exact=F,sx

14、y=sum（r*R）sx=sum（r2）sy=sum（y2）t=n*（n+1）/2）2rho=（sxy-t）/sqrt（sx-t）/sqrt（sy-t）#第八题 回归x=c（seq（0.1,0.18,0.01）,0.20,0.21,0.23）y=c（42,43.5,45,45.5,45,47.5,49,53,50,55,55,60）#散点图plot（x,y）#做回归lm.sol=lm（yx）lm.sol=lm（y1+x）#汇总统计量summary（lm.sol）#画回归线abline（lm.sol）#求回归系数的区间估计beta.int=function（lm.sol,alpha=0.05）A

15、=summary（lm.sol）$coefficientsdf=lm.sol$df.residualleft=A,1-A,2*qt（1-alpha/2,df）right=A,1+A,2*qt（1-alpha/2,df）rowname=dimnames（A）1#列表的第一个元素colname=c（estimateleftrightmatrix（c（A,1,left,right）,ncol=3,dimnames=list（rowname,colname）beta.int（lm.sol）#对新的自变量求因变量的预测值及预测区间new=data.frame（x=c（0.16,0.19,1.20）lm.predict=predict（lm.sol,new）lm.predictlm.predict=predict（lm.sol,new,interval=confidence,level=0.95）prediction#残差图resid=lm.sol$residualsplot（resid）y.res=resid（lm.sol）y.fit=predict（lm.sol）plot（y.resy.fit）plot（y.resx）plot（lm.sol,1）plot（lm.sol,2）plot（lm.sol,3）plot（lm.sol,4）