R语言与统计分析第四章课后习题(汤银才)

题-1

模拟得到1000个参数为0.3的贝努里分布随机数, 并用图示表示出来

# 为了更清晰显示密度，通过cex把点画小点
plot(rbinom(1000,1,0.3),cex=0.5)

在这里插入图片描述

题-2

用命令rnorm( )命令产生1000个均值为10, 方差为4的正态分布随机数,用直方图呈现数据的分布并添加核密度曲线.

rn<-rnorm(1000,mean=10,sd=2)
hist(rn,probability=T)
lines(density(rn),col="red",lwd=3)

在这里插入图片描述

题-3

模拟得到三个t分布混合而成的样本, 用直方图呈现数据的分布并添加核密度曲线.

x=c(rt(100,1),rt(100,2),rt(100,10))
hist(x,xlim=c(min(x),max(x)),probability=T,col='lightblue')
lines(density(x),col="#E54222",lwd=3)

在这里插入图片描述

题-4

由程序包DAAG中的数据集possum,

  1. 利用函数hist(possum$age)作出负鼠年龄的直方图. 试选用两种不同的 断点并作比较, 说明两图的不同之处;

  2. 求出负鼠年龄变量的均值、标准差、中位数以及上下四分位数.

# 数据导入和框划分
library('DAAG')
data(possum)
par(mfrow=c(2,2))

# 不同断点直方图
hist(possum$age,breaks=1+(0:8)*1)
hist(possum$age,breaks=0+(1:9)*1)
hist(possum$age,breaks=1+(0:5)*2)
hist(possum$age,breaks=seq(from=0,to=10,by=0.9))

# 均值、标准差、中位数以及上下四分位数
mean(possum$age,na.rm=TRUE)
sd(possum$age,na.rm=TRUE)
median(possum$age,na.rm=TRUE)
quantile(possum$age,na.rm=TRUE)

在这里插入图片描述

[1] 3.833
[1] 1.909
[1] 3
0% 25% 50% 75% 100%
1.00 2.25 3.00 5.00 9.00

题-5

考虑程序包DAAG中的数据集tinting,

  1. 获得变量tint和sex的列联表;

  2. 在同一图上作出变量sex与tint的联合柱状图;

  3. 作出age和it的散点图, 并进一步完成下面的操作:

    i. 用函数lowness()作出拟合线;

    ii. 在图的两边加上更细小的刻度;

    iii. 在图的两边加上箱型图.

  4. 作出age和it关于因子变量tint的条件散点图;

  5. 作出age和it关于因子变量tint和sex的条件散点图;

  6. 做出it与csoa的等高线图;

  7. 使用matplot( )描述变量age, it和csoa

# 数据导入
library('DAAG')
data(tinting)

# 1-获得变量tint和sex的列联表
ts<-table(tinting$tint,tinting$sex)

# 2-在同一图上作出变量sex与tint的联合柱状图
barplot(ts)
op <- par( )
layout(matrix(c(2,1,0,3), 2, 2, byrow=T ), c(1,6), c(2,1))
par(mar=c(1,1,5,2))
plot(tinting$age,tinting$it)
lines(lowess(tinting$age,tinting$it),lwd=3) # 拟合线
rug(side=1,jitter(tinting$age,3),lwd=0.5)   # 细小刻度-X轴
rug(side=2,jitter(tinting$it,3),lwd=0.5)    # 细小刻度-y轴

par(mar=c(1,2,5,1))
boxplot(tinting$it,axes=FALSE)                 # 箱型图-y轴
par(mar=c(5,1,1,2))
boxplot(tinting$age,horizontal=T,axes=FALSE)   # 箱型图-X轴

# 4-作出age和it关于因子变量tint的条件散点图
coplot(tinting$age~tinting$it|tinting$tint)

# 5-作出age和it关于因子变量tint和sex的条件散点图
coplot(tinting$age~tinting$it|tinting$tint*tinting$sex)

# 6-做出it与csoa的等高线图
library(MASS)
z<-kde2d(tinting$it,tinting$csoa)
contour(z,col="red",drawlabels=FALSE)

# 7-使用matplot( )描述变量age, it和csoa
d<-data.frame(y1=tinting$age,y2=tinting$it,y3=tinting$csoa)    
matplot(d,type='l',main="matplot")

联合柱状图：
在这里插入图片描述
散点图：
在这里插入图片描述
条件散点图：
在这里插入图片描述
在这里插入图片描述
高线图图及matplot( )
在这里插入图片描述

题-6

> data(InsectSprays)

> InsectSprays

得到数据集InsectSprays, 根据数据作出有意义的图, 并对数据作出描述性统计.

data(InsectSprays)

# 列联表
cs<-table(InsectSprays$count,InsectSprays$spray)  
barplot(cs)

# 分类图
mys<-c(1,2,3,4,5,6)[InsectSprays$spray]           
plot(InsectSprays$count,col=mys,pch=mys)

# 分类归纳
legend(x=40,y=26,legend=c("A","B","C","D","E","F"),col=c(1,2,3,4,5,6),pch=c(1,2,3,4,5,6))
c.s<-data.frame(A=InsectSprays$count[1:12],       
                 B=InsectSprays$count[13:24],
                 C=InsectSprays$count[25:36],
                 D=InsectSprays$count[37:48],
                 E=InsectSprays$count[49:60],
                 F=InsectSprays$count[61:72])
summary(c.s)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

题-7

假定某校100名女生的血清总蛋白含量(g/L)服从均值为75, 标准差为3,并假定数据由下面的命令产生

> options(digits=4)

> rnorm(100,75,9)

根据产生的数据

  1. 计算样本均值、方差、标准差、极差、四分位极差、变异系数、偏度、峰度和五数概括;

  2. 画出直方图、核密度估计曲线、经验分布图和QQ图;

  3. 画出茎叶图、框须图.

options(digits=4)
db<- rnorm(100,75,sd=3)

mean(db)        # 均值
var(db)         # 方差
sd(db)          # 标准差
max(db)-min(db) # 极差
mad(db)         # 四分位极值
sd(db)/mean(db) # 变异系数

library(fBasics)
skewness(db)    # 偏度
kurtosis(db)    # 峰度
fivenum(db)     # 五数概括


# 画出直方图、核密度估计曲线、经验分布图和QQ图
# 直方图、核密度估计曲线
hist(db,probability=T,breaks = 40:110)
lines(density(db),col='red',lwd=3)

# QQ图
qqnorm(db,main="QQ图")
qqline(db,col='#95B3D7',lwd=3)

# 经验分布图
x<-sort(db)
n<-length(x)
y<-(1:n)/n
m<-mean(db)
s<-sd(db)
plot(x,y,type='s',main="经验分布图")
curve(pnorm(x,m,s),col='red',lwd=2,add=T)


# 画出茎叶图、框须图
stem(db)
boxplot(db,main="框须图",horizontal=T)

[1] 74.85
[1] 8.883
[1] 2.98
[1] 15.13
[1] 2.722
[1] 0.03982
[1] 0.1153
attr(,“method”)
[1] “moment”
[1] -0.2226
attr(,“method”)
[1] “excess”
[1] 68.24 73.05 74.94 76.68 83.37
.
The decimal point is at the |
.
68 | 22578
70 | 01145560357788
72 | 146800123356677889
74 | 00244556677790001111234556779
76 | 02244566679902336999
78 | 255801137
80 | 2271
82 | 4

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

题-8

某校测得20名学生的四项指标: 性别、年龄、身高(cm)和体重(kg), 具体数据如表4.1所示.
表 4.1: 学生身高与体重数据

学号性别年龄身高体重
01F1816654
02F1815558
03F1915450
04F1816047
05F2016246
06F1915348
07F2115650
08F2015249
09F2117057
10F2015652
11M1816861
12M1816655
13M1917263
14M1817868
15M2016959
16M1918065
17M2117759
18M2016856
19M2118269
20M2017061

  1. 绘制体重对身高的散点图;

  2. 绘制不同性别下, 体重对身高的散点图;

  3. 绘制不同年龄阶段, 体重对身高的散点图;

  4. 绘制不同性别和不同年龄阶段, 体重对身高的散点图.

library(RODBC)
info<-data.frame("序号"=1:20,"性别"=c(rep("F",10),rep("M",10)),"年龄"=c(18,18,19,18,20,19,21,20,21,20,18,18,19,18,20,19,21,20,21,20),"身高"=c(166,165,154,160,162,153,156,152,170,156,168,166,172,178,169,180,177,168,182,170),"体重"=c(54,58,50,47,46,48,50,49,57,52,61,55,63,68,59,65,59,56,69,61))
print(info)

# 体重对身高散点图
plot(info$体重~info$身高,main="体重对身高散点图")

# 绘制不同性别下, 体重对身高的散点图
coplot(info$体重~info$身高|info$性别)

# 绘制不同年龄阶段, 体重对身高的散点图
coplot(info$体重~info$身高|info$年龄)

# 绘制不同性别和不同年龄阶段, 体重对身高的散点图
coplot(info$体重~info$身高|info$性别*info$年龄)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

# r语言
Logo
开放原子开发者工作坊

开放原子开发者工作坊旨在鼓励更多人参与开源活动，与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动，如meetup、训练营等，主打技术交流，干货满满，真诚地邀请各位开发者共同参与！

更多推荐

多模态大模型&科学计算双管齐下，百度飞桨两大赛项报名倒计时！

第二届开放原子大赛是由开放原子开源基金会组织举办的开源技术领域专业赛事，聚焦解决真问题，重点覆盖基础软件、工业软件、人工智能大模型等领域

avatar 开放原子开发者工作坊

以智能 致世界 | 操作系统大会2024议程全览

avatar 开放原子开发者工作坊

开放原子开源基金会新增捐赠人（2024年9月）

2024年9月，新增以下单位成为开放原子开源基金会及旗下项目捐赠人。

avatar 开放原子开发者工作坊