統(tǒng)計(jì)建模與r軟件課后答案-wenkub
2023-07-05 02:20:32 本頁(yè)面
【正文】 ,144,141) yc(135,118,115,140,128,131,130,115,131,125) (x,y) (x,y,=F)泊松分布的參數(shù)就等于它的均值也等于方差。greater39。)此時(shí)我們只需要區(qū)間估計(jì)的結(jié)果。故在R中實(shí)現(xiàn)如下 xc(54,67,68,78,70,66,67,70,65,69) mean(x)[1] ，如下 (x) (x,alternative=39。x=nlna+1+aln(i=1nxi最后求導(dǎo)?lnL(a。因此我們有。具體結(jié)果不再列出 df(39。blue39。（1） student(39。,39。x3c(7,11,6,6,7,9,5,5,10,6,3,10) boxplot(x1,x2,x3,names=c(39。) plot(ecdf(x),verticals=T,=F) lines(y,pnorm(y,)) qqnorm(x) qqline(x) stem(x) boxplot(x) fivenum(x) (x) (x,39。如下 data_outline(x) hist(x,freq=F) lines(density(x),col=39。)else{repeat{if (n%%2==0)nn/2elsen(3*n+1)if(n==1)break}print(39。) (studentdata,file=39。,39。,39。),體重=c(39。,39。,39。,39。,39。),年齡=c(39。,39。,39。,39。,39。x Hmatrix(nrow=5,ncol=5) for (i in 1:5)+ for(j in 1:5)+ H[i,j]1/(i+j1)（1） det(H)（2） solve(H)（3） eigen(H) studentdata(姓名=c(39。Bmatrix(1:20,nrow=4,byrow=T) CA+B。yc(4,5,6) ec(1,1,1) z2*x+y+e。z[1] 7 10 13 z1crossprod(x,y)。C(2) DA%*%B。張三39。王五39。丁一39。男39。男39。1439。1639。1539。16539。16239。4239。39。39。39。運(yùn)算成功39。red39。pnorm39。x139。x339。39。) windows() persp(x,y,z,theta=30,phi=30,expand=,col=39。39?？山獾胊=(2*E（x）1）/(1E(x)).因此我們用樣本的均值來(lái)估計(jì)a即可。x)?a=na+1+lni=1nxi好了下面開(kāi)始用R編程求解，注意此題中n=6.方法一、使用unniroot函數(shù) ffunction(a) 6/(a+1)+sum(log(x)) uniroot(f,c(0,1))方法二、使用optimize函數(shù) gfunction(a) 6*log(a+1)+a*sum(log(x)) optimize(g,c(0,1),maximum=T)用極大似然估計(jì)得出λ=n/i=xc(rep(5,365),rep(15,245),rep(25,150),rep(35,100),rep(45,70),rep(55,45),rep(65,25)) 1000/sum(x)換句話講，就是用該樣本來(lái)估計(jì)泊松分布中的參數(shù)，然后求出該分布的均值。less39。但是默認(rèn)mu=0并不是我們想要的。,mu=72) One Sample ttestdata: xt = , df = 9, pvalue = alternative hypothesis: true mean is greater than 7295 percent confidence interval: Infsample estimates:mean of x 結(jié)果說(shuō)明：我們的備擇假設(shè)是比72要大，所以我們不接受備擇假設(shè)，接受原假設(shè)比72小。我們直接用樣本均值來(lái)估計(jì)參數(shù)即可。)注意greater才是求區(qū)間下限的（都比它大的意思嘛）第五章這是一個(gè)假設(shè)檢驗(yàn)問(wèn)題， xscan()1: 220 188 162 230 145 160 238 188 247 11311: 126 245 164 231 256 183 190 158 224 175 21: Read 20 items (x,mu=225)考察正態(tài)密度函數(shù)的概率在R中的計(jì)算?？捎梅?hào)檢驗(yàn)和wilcoxon秩檢驗(yàn)。pnorm39。,mean(y),sd(y))結(jié)論是他們都服從正態(tài)分布（2） (x,y)結(jié)論是方差相同（3） (x,y,exact=F)結(jié)果是有差別 (57,400,p=)結(jié)果是支持 (178,328,p=,alternative=39。yc(92,68,28,11,1,0) zrep(x,y) Atable(cut(z,br=c(1,0,1,2,5))) qppois(c(0,1,2,5),mean(z)) pc(q[1],q[2]q[1],q[3]q[2],1q[3]) (A,p=p)結(jié)論是符合泊松分布 xc(,) yc(,) (x,y)即列聯(lián)表的的獨(dú)立性檢驗(yàn) xc(358,229,2492,2754) dim(x)c(2,2) (x)或 (x)結(jié)論是有影響 xc(45,12,10,46,20,28,28,23,30,11,12,35) dim(x)c(4,3) (x)結(jié)果是相關(guān) xc(3,4,6,4) dim(x)c(2,2) (x)結(jié)果顯示工藝對(duì)產(chǎn)品質(zhì)量無(wú)影響即檢驗(yàn)兩種研究方法是否有差異 xc(58,2,3,1,42,7,8,9,17) dim(x)c(3,3) (x,correct=F)結(jié)果表明兩種檢測(cè)方法有差異 xc(,) (sum(x),length(x),al=39。,exact=F)結(jié)果表明是在中位數(shù)之下（1）（2）（3） xscan()1: 11: 21: Read 20 items yscan()1: 11: 21: Read 20 items (sum(xy),length(x)) (x,y,paired=T,exact=F) (x,y,exact=F)（4） (x,39。,mean(y),sd(y)) (x,y)由以上檢驗(yàn)可知數(shù)據(jù)符合正態(tài)分布且方差相同，故可做t檢驗(yàn) (x,y)可以發(fā)現(xiàn)他們的均值是有差別的（5）綜上所述，Wilcoxon符號(hào)秩檢驗(yàn)的差異檢出能力最強(qiáng)，符號(hào)檢驗(yàn)的差異檢出最弱。kendall39。prediction39。（3） step() summary()可以發(fā)現(xiàn)新模型只含有X1和X3，但是X3的系數(shù)還是不顯著。但是有殘差異常值點(diǎn)24,27,28.（4） update(,sqrt(.)~.) summary()都通過(guò)檢驗(yàn) plot(da$X,da$Y) abline() windows() plot(,1) windows() plot(,3)可以發(fā)現(xiàn)還是有殘差離群值24,28 lm(Y~1+X1+X2,data=toothpaste)。 cement(X1=c(7,1,11,11,7,11,3,1,2,21,1,11,10),+ X2=c(26,29,56,31,52,55,71,31,54,47,40,66,68),+ X3=c(6,15,8,8,6,9,17,22,18,4,23,9,8),+ X4=c(60,52,20,47,33,22,6,44,22,26,34,12,12),+Y=c(,)) XXcor(cement[1:4]) kappa(XX,exact=T)[1] eigen(XX)發(fā)現(xiàn)變量的多重共線性很強(qiáng)，且有+++=0說(shuō)明X1,X2，X3，X4多重共線。我們看看去掉他們的共線性如何。里面的數(shù)字應(yīng)該是有感染和無(wú)感染的人數(shù)。發(fā)生不發(fā)生抗生素X123
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1