统计学基于r语言第八章答案

#8.1(1)
load('C:/exercise/ch8/exercise8_1.RData')
attach(exercise8_1)
#boxplot(exercise8_1$填装量~机器,col="gold",xlab="机器",ylab="填充量")
my_summary<-function(x){
   with(x,data.frame("均值"=mean(填装量),"标准差"=sd(填装量),n=length(填装量)))}
install.packages('plyr')
library(plyr)
ddply(exercise8_1,.(机器),my_summary)

model_1w<-aov(填装量~机器)
summary(model_1w)
#p=0.0135>0.01 接受原假设 ,没有证据显示机器对填装量有显著影响。


#model_1w$coefficients
#install.packages("gplots")
#library(gplots)
#plotmeans(填装量~机器,data=exercise8_1)
#(2)
install.packages("DescTools")
library(DescTools)
model_1w<-aov(填装量~机器)
EtaSq(model_1w,anova&#
  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
统计学基于R第四章的答案主要涉及以下几个方面: 1. 数据准备:数据准备是统计学中非常重要的一步,涉及到数据的收集、整理、清洗和转换等工作。R语言提供了许多函数和包,可以帮助我们方便地进行数据准备的工作,包括数据导入、变量选择、缺失值处理等。 2. 描述性统计:描述性统计是对数据进行总结和描述的一种方法,主要包括数据的中心趋势、离散程度和分布形状等方面的指标。R语言中的summary()函数可以方便地计算数据的均值、中位数、最大值、最小值等统计量,并且利用绘图函数可以将数据的分布情况可视化。 3. 推断统计:推断统计是基于样本数据对总体进行推断和假设检验的方法。R语言提供了许多函数和包,用于计算样本均值、方差以及进行假设检验等,例如t.test()函数可以进行单样本、双样本或配对样本的t检验。 4. 回归分析:回归分析是统计学中常用的一种方法,用于研究变量之间的关系和预测。R语言中的lm()函数可以进行线性回归分析,可以计算回归系数、拟合优度以及进行回归模型的诊断等。 总之,统计学基于R第四章的答案涵盖了数据准备、描述性统计、推断统计和回归分析等方面。R语言提供了丰富的函数和包,可以帮助我们进行各类统计分析的计算和可视化,并且具有灵活性和易用性,因此在统计学的学习和实践中得到了广泛的应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值