2021-01-04

R语言期末考试补充试题(参考大佬博客：紧到长不胖~)

#编写函数计算：1^1+2^2+...+n^n
fun1=function(n){
  s=0
  for(i in 1:n){
    s=s+i^i
    
  }
  message('前n项和为：',s)
}
fun1(3)


#编写函数计算1到50的和，分别用for循环和while循环
# """方法1"""
fun2=function(n){
  s=0
  for(i in 1:n){
    s=s+i
  }
  message('1到50的和为',s)
}
fun2(50)

# """方法2"""
fun3=function(n){
  s=0
  i=1
  while(i<=n){
    s=s+i
    i=i+1
  }
  message('1到50的和用while算得',s)
}
fun3(50)



#用循环函数求出1-100之间能被3和5整除的数的和，并输出结果。
k=100
a=c()
for(i in 1:k){
  if(i%%3==0 & i%%5==0){
    a=c(a,i)
  }
}
message('能被3和5整除的数：')
print(a)
message('和为：',sum(a))


#用循环函数求出1-100之间能被3或者5整除的数的和，并输出结果
k=100
a=c()
for(i in 1:k){
  if(i%%3==0 || i%%5==0){
    a=c(a,i)
  }
}
message('能被3和5整除的数：')
print(a)
message('和为：',sum(a))


#编写函数，计算给定任意两个维度相同的一维数组，
# 计算它们之间的欧氏距离。
fun5=function(a,b){
  if(length(a)!=length(b)){
    print('向量长度不一样，重新输入！')
  }else{
    dist_sum=0
    for(i in 1:length(a)){
      dist_sum=dist_sum+(a[i]-b[i])^2
    }
    dist_sum_=sqrt(dist_sum)
  }
  print(dist_sum_)
}
a=c(12,132,2424,12,2)
b=c(23,44,3,43,12)
fun5(a,b)


#编写函数，对任一个空气污染指数AQI，
# 将其转换成对应的等级，具体转换规则如下：
fun4=function(A){
  if(A<=50){
    print('优')
  }
  else if(A<=100){
    print('良')
  }
  else if(A<=150){
    print('轻度污染')
  }
  else if(A<=200){
    print('中度污染')
  }
  else if(A<=300){
    print('重度污染')
  }
  else{
    print('重度污染')
  }
}
fun4(40)


#设x服从泊松分布，编写函数，
# 任意给定x=k和参数λ的值，计算x=k的概率。
fun5=function(x,lamda){
  for(i in 1:x)
  y=lamda^x*exp(-lamda)
  y=y*(1/i)
  return(y)
}
fun5(1,1)
#校验
dpois(1,1)



#采用蒙特卡洛计算xlnx在3——8上的积分。
#方法一
decisionCondition=function(a){
  a[1]*log(a[1])-a[2]
}
n=10000
x=runif(n,3,8)
y=runif(n,0,8*log(8))
A=cbind(x,y)
A
b=apply(A,1,decisionCondition)
mean(b>=0)*(8-3)*8*log(8)


#方法二
n=10000
x=runif(n,3,8)
mean(x*log(x))*(8-3)


#给定两组数，检验其均值等于某一常数（t检验）
fun6=function(data,a){
  data1=data[[1]]
  data2=data[[2]]
  n1=length(data1)
  n2=length(data2)
  var1=var(data1)
  var2=var(data2)
  s=sqrt(((n1-1)*var1+(n2-1)*var2)/(n1+n2-2))
  mean1=mean(data1)
  mean2=mean(data2)
  t=(mean1=mean2)/(s*sqrt(((1/n1)+(1/n2))))
  t0=qt(p=1-a,df=n1+n2-2)
  Z=ifelse(abs(t)>t0,"输出：拒绝原假设,两组数据之间存在差异","输出：接受原假设，两组数据之间不存在差异")
  data.frame(n1,n2,var1,var2,s,mean1,mean2,t,t0,Z)
}
A=c(5.5,6.3,5.1,7.8,10.2,6.8,5.3)
B=c(5.9,4.0,7.3,9.5,6.1,5.7,9.0,8.1,4.3)
data=list(A,B)
fun6(data,0.05)


# 检验函数编写

# 法1 自写函数t.test检验函数
# 这里传入数据的列名为a,b
t_test_fun = function(A,B,alph=0.05){
  # 列数据作为计算对象
  a = A
  b = B
  # 1.计算基本量
  # 1.1向量a,b长度
  n1 = length(a)
  n2 = length(b)
  # 1.2计算a,b均值
  a_bar = mean(a)
  b_bar = mean(b)
  message('a组均值：',a_bar,'\n')
  message('b组均值：',b_bar,'\n')
  # 计算a,b方差
  var1 = var(a)
  var2 = var(b)
  message('a组方差：',var1,'\n')
  message('b组方差：',var2,'\n')
  # 求合并方差(方差齐性)
  concat_vars = (var1*(n1-1)+var2*(n2-1))/(n1+n2-2)
  message('联合方差为：',concat_vars,'\n')  
  # 计算t统计量
  t_statistic = (a_bar-b_bar)/(concat_vars*sqrt((1/n1+1/n2)))
  message('t统计量为：',t_statistic,'\n')
  # 计算自由度
  v = (n1+n2-2)
  message('自由度为：',v,'\n')
  #t分布临界值
  t_value = qt(alph,v)
  if (abs(t_statistic) > t_value){
    print('拒绝原假设，两组数据之间存在显著性差异')
  }else{
    print('接受原假设，两组数据之间不存在显著性差异')
  }
}

# 产生随机数
set.seed(0) 
A = c(5.5,6.3,5.1,7.8,10.2,6.8,5.3)
B = c(5.9,4.0,7.3,9.5,6.1,5.7,9.0,8.1,4.3)
# data1 = data.frame(a = A,b = B)
t_test_fun(A,B,alph = 0.05)