R语言基础题及答案——R语言与统计分析第四章课后习题(汤银才)

Posted slandarer

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言基础题及答案——R语言与统计分析第四章课后习题(汤银才)相关的知识,希望对你有一定的参考价值。

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)

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)

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)

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)

[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:

散点图:

条件散点图:


高线图图及matplot( )

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)



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(100,75,3)

mean(db)        # 均值
sd(db)          # 方差
sqrt(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)
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] 75.11
[1] 3.138
[1] 1.771
[1] 13.7
[1] 3.034
[1] 0.04178
[1] -0.009437
attr(,“method”)
[1] “moment”
[1] -0.4943
attr(,“method”)
[1] “excess”
[1] 68.42 73.19 74.90 77.30 82.12
.
The decimal point is at the |
.
68 | 45011
70 | 014500123477
72 | 004778813567789999
74 | 011444445567788012244579
76 | 0011133345677992445688
78 | 2234901223456
80 | 45866
82 | 1




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) 




以上是关于R语言基础题及答案——R语言与统计分析第四章课后习题(汤银才)的主要内容,如果未能解决你的问题,请参考以下文章

R语言基础题及答案——R语言与统计分析第二章课后习题(汤银才)

R语言基础题及答案——R语言与统计分析第二章课后习题(汤银才)

R语言基础题及答案——R语言与统计分析第三章课后习题(汤银才)

R语言基础题及答案——R语言与统计分析第三章课后习题(汤银才)

R语言基础题及答案——R语言与统计分析第六章课后习题(汤银才)

R语言基础题及答案——R语言与统计分析第六章课后习题(汤银才)