生物医学统计第一次作业代码

使用 iris 数据集，用 ggplot2 绘制花萼长度、花萼宽度、花瓣长度、花瓣宽度的箱线图。并回答下列问题：

a. 计算三个物种的花萼长度的四分位差，判断哪个物种花萼长度离散程度最高，哪个物种花萼长度离散程度最低。

b. 计算三个物种的花萼宽度的标准差和方差，判断哪个物种花萼宽度离散程度最高，哪个物种花萼宽度离散程度最低。

c. 计算三个物种的花瓣长度的偏度，判断哪些物种花瓣长度是右偏分布，哪些物种花瓣长度是左偏分布。

d. 计算三个物种的花瓣宽度的峰度，判断哪个物种花瓣宽度峰度最大，哪个物种花瓣宽度峰度最小。

#绘制箱线图
library(ggplot2)
ggplot(iris,aes(x=factor(Species),y=Sepal.Length))+
  geom_boxplot()

ggplot(iris,aes(x=factor(Species),y=Sepal.Width))+
  geom_boxplot()

ggplot(iris,aes(x=factor(Species),y=Petal.Length))+
  geom_boxplot()

ggplot(iris,aes(x=factor(Species),y=Petal.Width))+
  geom_boxplot()

# 计算花萼长度的四分位差
q1 <- tapply(iris$Sepal.Length, iris$Species, quantile, probs = 0.25)
q3 <- tapply(iris$Sepal.Length, iris$Species, quantile, probs = 0.75)
iqr <- q3 - q1
iqr

# 计算花萼宽度的标准差和方差
sd <- tapply(iris$Sepal.Width, iris$Species, sd)
var <- tapply(iris$Sepal.Width, iris$Species, var)
sd
var

# 计算花瓣长度的偏度
install.packages("e1071")
library(e1071)
skewness <- tapply(iris$Petal.Length, iris$Species, skewness)
skewness

# 计算花瓣宽度的峰度
kurt <- tapply(iris$Petal.Width, iris$Species, kurtosis)
kurt