R回归分析作业代码(2)

library(alr4)
data<-ftcollinssnow
x<-data$Early
y<-data$Late
plot(x,y,xlab="Early",ylab="Late")

fit=lm(y~x) #最小二乘估计
summary(fit) #参数估计，参数检验，回归标准误及参数显著性检验p 值，决定系数
abline(fit,lty=2)

library(alr4)
data<-Heights
x<-data$mheight
y<-data$dheight
#散点图
plot(x,y,main="母亲与女儿身高关系图",xlab="mheight",ylab="dheight")
fit=lm(y~x) #最小二乘估计
summary(fit) #参数估计，参数检验，回归标准误及参数显著性检验p 值，决定系数
abline(fit,lty=2)

confint(fit)  #参数的区间估计,置信水平为95%

new=data.frame(x=64)
pred_y=predict(fit, new)
print(pred_y)    #代入模型后的拟合值
pred_plim=predict(fit, new, interval = "prediction")  #y置信水平为95%的区间估计为
print(pred_plim)

library(alr4)
data<-wblake
data<-data[order(data[,1],decreasing=F),] #按降序排列

#选取特定行值为2,4,6的部分
Age_2<-data[data$Age == 2, ]
Age_4<-data[data$Age == 4, ]
Age_6<-data[data$Age == 6, ]

#得到置信度为95%的均值估计
t.test(Age_2$Length)
t.test(Age_4$Length)
t.test(Age_6$Length)

library(alr4)
data<-oldfaith
print(data)
x<-data$Duration
y<-data$Interval

fit=lm(y~x)
summary(fit)

new=data.frame(x=250)
pred_plim=predict(fit, new, interval = "prediction")  #y置信水平为95%的区间估计为
print(pred_plim)

Sxx=sum((x-mean(x))^2)        
sigma=6.004       #估计值
a=33.987808+0.176863*250
b=((1/270)+(250-mean(x))^2/Sxx)*(sigma^2)
                          
qnorm(0.9,mean=a,sd=b)             #得到对应的正态分布的分为数