5.1现有甲、乙、丙三个工厂生产同一种零件,为了了解不同工厂的零件的强度有无明显的差异,现分别从每一个工厂随机抽取部分零件测定其强度,数据如表 5 -9 所示,试问三个工厂的零件的平均强度是否相同?
表5-9
甲 | 103 | 101 | 98 | 110 | | |
---|
乙 | 113 | 107 | 108 | 116 | 115 | 109 |
---|
丙 | 82 | 92 | 84 | 86 | 88 | |
---|
####5.1
x1=c(103,101,98,110)
x2=c(113,107,108,116,115,109)
x3=c(82,92,84,86,88)
mean(x1)
mean(x2)
mean(x3)
library(openxlsx)
d5.1=read.xlsx("E:/多元统计分析及R语言建模/d5.1.xlsx",rowNames = F)
d5.1
#d5.1=read.csv("E:/多元统计分析及R语言建模/d5.1.csv",header = TRUE,sep = ",")
anova(lm(零件强度~factor(工厂),data = d5.1))
#P<0.05,说明不同工厂的零件强度有明显差异,根据上述结果可看出三个工厂的零件平均强度不相同
5.2生产某种化工产品时,要比较四种不同配方对生产率的影响。考虑到生产率随生产日期不同而变动较大,所以把实验日期也选为因子。实验分四天进行。配方因子和日期因子分别用A、B表示,数据如表5-10所示。试分析不同配方和不同生产日期对生产率有无影响。
表5-10
生产率 | A | B |
64.9 | A1 | B1 |
69.1 | A2 | B1 |
76.1 | A3 | B1 |
82.9 | A4 | B1 |
62.6 | A1 | B2 |
70.1 | A2 | B2 |
74 | A3 | B2 |
80 | A4 | B2 |
61.1 | A1 | B3 |
66.8 | A2 | B3 |
71.3 | A3 | B3 |
76 | A4 | B3 |
59.2 | A1 | B4 |
63.6 | A2 | B4 |
67.2 | A3 | B4 |
72.3 | A4 | B4 |
library(openxlsx)
d5.2=read.xlsx("E:/多元统计分析及R语言建模/d5.2.xlsx",rowNames = F)
anova(lm(生产率~factor(A)+factor(B),data = d5.2))
#P(A)<0.05,说明不同配方因子A对生产率有影响)
#P(B)<0.05,说明不同日期因子B对生产率有影响)
5.3某银行从历史贷款客户中随机抽取16 个样本,根据设计的指标体系分别计算他们的"商业信用支持度"(x1)和"市场竞争地位等级"(x2),类别变量 G中,1代表贷款成功,2代表贷款失败。数据如表5-11所示。
(1)为了给正确贷款提供决策支持,请建立 Logistic 模型进行分析;
(2)根据建立的模型,判定是否给某客户(x,=131,x2=-2)提供贷款。
表5-11
x1 | x2 | G |
40 | 1 | 1 |
35 | 1 | 1 |
15 | -1 | 1 |
29 | 2 | 1 |
1 | 2 | 1 |
-2 | 1 | 1 |
22 | 0 | 1 |
10 | 1 | 1 |
125 | -2 | 2 |
100 | -2 | 2 |
350 | -1 | 2 |
54 | -1 | 2 |
4 | -1 | 2 |
2 | 0 | 2 |
-10 | -1 | 2 |
131 | -2 | 2 |
library(openxlsx)
d5.3=read.xlsx("E:/多元统计分析及R语言建模/mvexer5.xlsx",sheet ="E5.3",rowNames = F)
d5.3
logit.glm=glm(G~x1+x2,data=d5.3)
summary(logit.glm)
#x1的p>0.05,x2的P<0.05,说明有影响
logit.step=step(logit.glm,direction = "both")
summary(logit.step)
pre1=predict(logit.step,data.frame(x1=131,x2=-2))
pre1
#预测值为2,表示贷款失败,不会提供贷款