R实验 数据的描述性分析（二）

• 实验目的：

1. 掌握定量数据的描述性统计分析中常用的指标
   1. 集中趋势：众数、中位数median()、四分位数、百分位数quantile()、（加权）平均数（weigthted.）mean()
   2. 分散程度：极差range()、半极差、方差var()、标准差sd()、变异系数、标准误
   3. 分布形态：偏度系数、峰度系数
2. 掌握R语言绘直方图、茎叶图和箱线图的方法。

实验内容：

以前在做实验2的练习时，我们画过直方图。当时的题目是这样的：

利用hist()函数画直方图。

X<-c(35,40,40,42,37,45,43,37,44,42,41,39)

hist(X)

这次实验先重新运行以上命令后，接着运行以下命令绘出第二幅直方图：

hist(X, freq=F)

如果在RStudio中运行，第二幅图不会覆盖前一幅图，可以通过界面中的箭头按钮图标找到之前绘制的图；但如果在R中绘制第二幅图，会覆盖前一幅图，这时可以在绘制第二幅图时在R中先运行windows()，此命令是新开一个画图窗口，然后再绘制第二幅图。

把两个图分别截下复制到下面，进行比较，你发现有什么不同？

第一幅图纵坐标表示的是频数

第二幅图纵坐标表示的是密度

如果想把这两幅图画在同一个画图窗口中，可以输入以下命令：

par(mfrow=c(1,2)) #在一个窗口里放多张图，这里是1行2列共2个图

hist(X)

hist(X,freq=F)

运行结果或截图：

（习题3.7）画出习题3.3中小鸡增重的直方图 (1) 小区间的宽度为 0.lg，起点为 3.55g，终点为4.95g。纵坐标是频数，并将频数标在直方图的上方（类似图 3.6(a)）; (2) 将(1)中直方图的纵坐标改为频率，并将数据的概率密度曲线和正态分布密度曲线同时画在直方图上（类似图 3.6(b)）。（数据文件是cock.data）

（1）源代码：

# 读取数据

data <- scan("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/cock.data")



# 输出结果

hist(data,labels = TRUE,

     breaks = seq(3.55,4.95,by = 0.1),

     main = "小鸡增重直方图",

     xlab = "增重g",

     ylab = "频数")

运行结果或截图：

（2）源代码：

# 读取数据

data <- scan("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/cock.data")

# 计算各个区间的频数和频率

freq <- table(cut(data, breaks = seq(3.55, 4.95, by = 0.1)))

prop.freq <- prop.table(freq)

# 计算均值和标准差

mean_data <- mean(data)

sd_data <- sd(data)

# 计算数据的最小值和最大值

min_data <- min(data)

max_data <- max(data)

# 计算正态分布密度曲线的x轴和y轴

x <- seq(min_data, max_data, length = 100)

y <- dnorm(x, mean = mean_data, sd = sd_data)

# 输出结果

hist(data,freq = FALSE,

     labels = TRUE,

     breaks = seq(3.55,4.95,by = 0.1),

     main = "小鸡增重直方图",

     xlab = "增重g",

     ylab = "频率")



lines(x, y, col = "blue", lwd = 3)

lines(density(data), col = "red", lwd = 2)

运行结果或截图：

（习题3.11）计算习题3.3中小鸡增重数据的中位数、算术平均数，以及上四分位数和下四分数。

源代码：

# 读取数据

data <- scan("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/cock.data")

# 计算中位数、算术平均数、上四分位、下四分位数

median(data,na.rm = FALSE)

mean(data,trim = 0,na.rm = FALSE)

quantile(data,probs = 0.25,

         na.rm = FALSE)

quantile(data,probs = 0.75,

         na.rm = FALSE)

运行结果或截图：

（习题3.16）计算习题3.3中小鸡增重数据的极差、四分位差、方差和标准差。

源代码：

# 读取数据

data <- scan("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/cock.data")

# 计算极差、四分位差、方差、标准差

R<-range(data)

R[2] - R[1]



Q<-quantile(data,p = c(0.25,0.75))

IQR <-Q[2] - Q[1]

IQR



var(data);sd(data)

运行结果或截图：

（习题3.18）计算习题3.3中小鸡增重数据的偏度系数和峰度系数。结合习题3.7中的直方图，理解偏度系数和峰度系数的意义。

源代码：

# 读取数据

data <- scan("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/cock.data")

# 计算偏度系数、峰度系数

source("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/skew.R")

skew(data)



source("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/kurt.R")

kurt(data)

运行结果或截图：

（习题3.9）计算习题 3.1中饮料数据的众数。

源代码：

# 读取数据

data <- scan("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/drink.data",

             what = list(顾客性别 = "",饮料类型 = ""))



# 计算众数

which.max(table(data$饮料类型))

max(table(data$饮料类型))

运行结果或截图：

（习题3.13）2015 年某大学经济管理学院共有学生 500 名，其中 18 岁的学生 110 名，19 岁的学生110 名，20 岁的学生 100 名，21 岁的学生 90 名，22 岁的学生 90 名。计算该学院学生的平均年龄。

源代码：

# 建立数据

num<-c(110,110,100,90,90)

age<-c(18,19,20,21,22)

# 计算平均年龄

平均年龄<-sum(num*age)/sum(num)

print(平均年龄)

运行结果或截图：

（习题3.14）有一项为期 10 年的抵押贷款（按复利计算），其中第1年的利率为 5% ，第2年为 7% ，第3 年为 9%，第4年为 11%，第5年为 13% ，第6 ~ 第10 年为 15%，试计算此贷款的年均利率。

源代码：

source("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/exa_0314.R")

X<-c(5,7,9,11,13,15,15,15,15,15)/100

m<-mean(log(1+X))

X_bar<-exp(m)

X_bar

运行结果或截图：

（习题3.15）假设在过去的 3个月，猪肉价格在 16.8元/500g ~ 20.4元/500g 之间变化。某学校食堂在这 3个月中共购买了 5次猪肉，其价格与购买金额如下表所示。计算该食堂购买猪肉的平均价格。

三个月内的猪肉价格和购买金额

购买 批次	价格 (元/500g)	购买金 额(元)	购买 批次	价格 (元/500g)	购买金 额(元)
1	18.0	21600	4	17.4	17400
2	20.4	10200	5	19.5	15600
3	16.8	46200

源代码：

 source("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/exa_0315.R")

 x<-c(18.0,20.4,16.8,17.4,19.5)

 f<-c(216,102,462,174,156)*100

 (x_bar<-1/weighted.mean(1/x,w=f))

运行结果或截图：

（习题3.22）在汽车的汽油时数和汽车油耗的测试中， 13 辆汽车分别在城市和乡村行驶 500km的路况下接受了检测，下表中的数据（存放在 car.data 文件中）记录了它们每百千米的耗油量。(1) 运用均值、中位数和百分位数来评价在城市和乡村路况下汽车性能的差别；(2) 画出两组数据的箱线图，比较不同路况下汽车性能是否有差别。

两种道路状况百公里耗油量（单位：L）

	城市道路	乡村道路		城市道路	乡村道路
1	14.52	12.12	8	14.70	12.65
2	14.08	11.42	9	14.61	12.38
3	14.79	12.85	10	15.37	11.15
4	16.33	12.65	11	15.47	12.12
5	17.82	12.25	12	15.37	12.71
6	15.37	13.52	13	14.52	12.58
7	14.00	13.67

（1）源代码：

#读取数据

data<-read.table("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/car.data")

#计算均值、中位数和百分位数

city_mean<-mean(data$城市道路)

village_mean<-mean(data$乡村道路)



city_median<-median(data$城市道路)

village_median<-median(data$乡村道路)



city_quantile<-quantile(data$城市道路,probs = 1,na.rm = FALSE)

village_quantile<-quantile(data$乡村道路,probs = 1,na.rm = FALSE)



result<-c(城市均值 = city_mean,乡道均值 = village_mean,

          城市中位数 = city_median,乡村中位数 = village_median,

          城市百分数 = city_quantile,乡村百分位数 = village_quantile)

print(result)

运行结果或截图：

城市油耗高于乡道油耗

（2）源代码：

#读取数据

data<-read.table("C:/Users/黄培滇/Desktop/R语言生物统计学/chap03/car.data")

#绘制箱线图

boxplot(data,main = "油耗箱线图")

运行结果或截图：

思考：

描述定量数据集中趋势的指标主要有？

均值、中位数、众数

描述定量数据分散程度的指标主要有？

极差、方差、标准差

描述定量数据分布形态的指标主要有？

偏度、峰度

直方图和条图有什么区别？各适用于哪种数据？

直方图用于展示连续型变量的频数分布，横轴表示变量取值的范围，纵轴表示频数或频率。条图则适用于展示离散型变量的频数或频率，横轴表示不同的类别，纵轴表示频数或频率。

stem()函数画出的茎叶图，其本质是图吗？

本质是一种（统计）图形

上、下四分位数之间（即半极差）的数，占所有数据的百分之几？ 

25%

偏度系数大于0，说明其密度函数图形的尾部相对于正态分布偏左还是偏右？峰度系数大于0，说明其密度函数图形相对于正态分布更尖峭还是更平缓？

偏度系数大于0说明密度函数图形的尾部相对于正态分布偏左；峰度系数大于0说明密度函数图形相对于正态分布更尖峭

箱线图中，盒子的上、下连线分别代表什么？盒子中间的线代表什么？由“触须”延长的下、下边缘线的值分别为多少？

盒子的上、下连线代表数据集的上四分位数（Q3）和下四分位数（Q1）；盒子中间的线代表数据集的中位数（Q2）；由“触须”延长的下、下边缘线的值分别为最小非异常值和最大非异常值

在R中，如果想在一个输出窗口里放2行3列共6张图，需要运行什么命令？

Par(mfrow = c(2,3))