R实验作业题（1）

一、基本统计描述的实现—基于向量形式

1、案例程序（一）

（1）summary(x)函数：依次计算x向量的最小值、Q1、中位数、均值、Q3、最大值（保留到小数点后3位）

（2）mean(x)函数：计算x向量均值（保留到小数点后6位）

（3）median(x)函数：计算x向量中位数

（4）range(x)函数：计算x向量的取值范围

（5）quantile(x)函数：计算x向量的百分位数（0%、25%、50%、75%、100%）（保留到小数点后1位）

（6）var(x)函数：计算x向量的样本方差

（7）hist(x)函数：绘制x向量的直方图，由测试中的x向量可知，处于[0,5]的数，频数为3；处于(5,10]的数，频数为1；处于(10,15]的数，频数为2；处于(15,20]的数，频数为1。

图1

2、案例程序（二）

（1）min(x)函数：计算x向量的最小值

（2）max(x)函数：计算x向量的最大值

（3）table函数：计算参数中的频数

（4）cut函数：把连续变量分割为类别 要将连续型变量变成离散型因子

（5）breaks：切割点向量,有两个取值，单个整数（表示区分为几个区间）和向量（按照向量里面的数进行分割）

（6）-Inf：表示无穷小

（7）Inf：表示无穷大

（8）right与include.lowest参数如表1所示：

表1

right参数	include.lowest参数	说明
FALSE	TRUE	左闭右开，包括最大值端点
TRUE	TRUE	左开右闭，包括最小值端点
TRUE	FALSE	左开右闭，不包括最小值端点
FALSE	FALSE	左闭右开，包括最小值端点

 

图2

3、案例程序（三）

（1）table(x)函数：统计x向量的每个值的频数（如图3）

（2）pie(table(x))函数：绘制关于table(x)频数的饼状图（如图4）

（3）boxplot(table(x))函数：绘制关于table(x)的箱图（如图5）

（4）barplot(table(x))函数：绘制离散值的直方图（如图6）

（5）hist(table(x))函数：绘制连续值的直方图（如图8）

（6）pdf(“URL”)函数：将上述图像整合到pdf文件中（如图8）

hist与barplot函数区别：hist直方图展示的是数据的分布，bar柱状图展示数据本身的大小。

图3

 

图4                                                                     图5

    

图6                                                                           图7

（7）paste()函数：用于字符串的连接

（8）round(x,n)函数：将数字四舍五入，其中x为数值，n为保留n位小数

（9）pie()函数：绘制饼状图；其中labels参数为扇区的标签；main为饼状图的标题；col为颜色填充，图9中使用rainbow彩色填充扇区

（10）legend()函数：用于设置图例，其中topright为定位图例为右上区域；c(“”,…)为设置图例内容；cex为设置字体大小，fill为填充图例颜色

图9

 

图10                                                                    图11

二、基本统计描述的实现—基于数据库形式

1、连接数据库，安装并加载RODBC包，此处与SqlServer数据库进行了连接的建立。（如图12所示）

2、通过sqlQuery函数查询获取数据（肺炎诊断的治疗结果：1=治愈，2=好转，3=无效，4=死亡）；通过table函数获取频数（离散值）。（如图12所示）

3、通过sqlQuery函数查询获取年龄数据；依据年龄段分组，统计频数；依据年龄段分组，饼形图显示；关闭与数据库的连接。（如图12所示）

4、加载RODBC包，此处与SqlServer数据库进行了连接的建立。通过sqlQuery函数查询获取数据（政治与外语的分数结果）；绘制箱图（如图13所示）；通过border = c("red", "green")将政治和外语的箱子的边界分别设置为红色和绿色。（如图14所示）

图12

图13

图14

三、验证性实验（主成分分析）

现已获取18名小学三年级学生的数学(X1)、语文(X2)、常识(X3)、音乐(X4)、美术(X5)五个学科的成绩，并测试了智商(X6)，所得数据参见文件：20-1.sav。

试：利用主成分分析，找出几个相互独立的主成分，以便进一步对各名学生的学习能力进行综合评价。

1、在线安装foreign功能包

2、载入功能包，其功能为：读取数据—'Minitab', 'S', 'SAS', 'SPSS', … 'dBase'

3、从spss数据文件，读取数据，赋给mydata

4、从相关矩阵（cor=TRUE）求解，列出成分得分（scores=TRUE），赋给pr

（1）仅显示标准差

（2）利用汇总，显示全部18个观测值。在结果中，Proportion of Variance：贡献度/率，Cumulative Proportion：累计贡献度/率。由结果显示 前三个主成分的累计贡献率已经达到90% （或85%）可以舍去另外三个主成分 达到降维的目的。

（3）利用汇总，显示18个观测值；并显示主成分的系数矩阵（loadings=TRUE）

以上4步如图15所示。

图15

5、获取主成分与原始指标之间相关关系（如图16所示）

（1）获取标准差

（2）获取贡献率=方差/总方差：方差越大，贡献率越高

（3）获取特征值：贡献率=特征值/6

（4）生成主成分与原始指标之间相关关系的系数数组

（5）为行和列，加上标题

 图16

6、画主成分的碎石图并预测（如图17所示）

由碎石图可以看出：在第二个主成分之后，图线变化趋于平稳，因此可以选择前两个主成分做分析（但是，“基于累计贡献率的选定方式”为好）

图17

7、全部显示：主成分的系数矩阵（如图18所示）

图18