r语言第五章作业教程文件.docx

1、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=0.0025160.05，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：x0.05，故接受原假设，即这个星

2、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)y0.05，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)s

3、hapiro.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(p2,p3-p2,p4-p3,1-p4)chisq.test(z1,p=p)breaks-

4、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)p0.05，接受原假设，认为两组数据的方差相同。#5x-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

5、。（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。#6binom.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。#7binom.test(178,328,p=0.5,alternative=greater)不能认为这种处理能增加母鸡的比例。#8chisq.test(c(315,101,108,32),p=c(9,3,3,1)/16)P值大于0.0

6、5，故接受原假设，符合自由组合定律。#9x-0:4;y-c(92,68,28,11,1)q-ppois(x,mean(rep(x,y)n-length(y)p-numeric(n)p1-q1pn-1-qn-1for (i in 2:(n-1) pi-qi-qi-1chisq.test(y,p=p)Warning是因为有cell的数目小于5z-c(92,68,28,12)n-length(z)p-p1:n-1;pn-1-qn-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。#10x-c(2.36,3.14,7.52,3.48,2.76,5.4

7、3,6.54,7.41)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。#11x=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。#12x-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。#13x-c(3,6,4,4)dim(x)-c(

8、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。#14x-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。#15x14.6),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1

9、4.6。#16x-scan()48.0 33.0 37.5 48.0 42.5 40.0 42.0 36.0 11.3 22.036.0 27.3 14.2 32.1 52.0 38.0 17.3 20.0 21.0 46.1y-scan()37.0 41.0 23.4 17.0 31.5 40.0 31.0 36.0 5.7 11.521.0 6.1 26.5 21.3 44.5 28.0 22.6 20.0 11.0 22.3（1）符号检验法：binom.test(sum(xy),length(x)P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：wil

10、cox.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，Wil

11、coxon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。#17x-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。#18x-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。