統(tǒng)計(jì)軟件介紹以及r語(yǔ)言數(shù)學(xué)建模實(shí)例(參考版)
2024-08-24 08:38本頁(yè)面
【正文】 最終回歸模型為 Y=++ 謝 謝 。發(fā)病人數(shù)（ num）與最高氣溫（ hightemp）、最低氣壓（ lowpres）成正相關(guān)，與平均氣溫（ avertemp）、相對(duì)濕度（ rh）負(fù)相關(guān)。 代碼如下： lm(num~lowpres+avertemp+hightemp+rh,data=dataset2) summary() 通過(guò)表 3的結(jié)果可以看出，最低氣壓，平均氣溫，最高氣溫，相對(duì)濕度都通過(guò)了。所以，需要排除多重線性的關(guān)系，然后再進(jìn)行多元回歸。所以上述的多遠(yuǎn)回歸模型還不能還不能完全解釋發(fā)病數(shù)與其他相關(guān)因素的關(guān)系。其他職業(yè)當(dāng)中發(fā)病人數(shù)由高到低依次為退休人員、工人、離退人員、雇員。而 75歲以上的發(fā)病人數(shù)中，男女的比率相當(dāng) 。由于 90歲以上人口原本相對(duì)較少，所以我們可以認(rèn)為 44歲以下即年輕人發(fā)病的比率不是很高?？梢?jiàn)老年人是腦卒中發(fā)病的主要群體。 20202020的餅圖 x1c(datasetsex$total[1],datasetsex$total[2]) pie(x1,labels=c(male,female),col=c(rgb(120/255,0/255,190/255), rgb(0/255,70/255,190/255),rgb(0/255,190/255,120/255)) ,main=20202020,cex=) x12=round(100*x1/sum(x1),digits=2) text(1,paste(x12[1],%,sep=),col=1,cex=) text(1,paste(x12[2],%,sep=),col=1,cex=) m a lef e m a le2 0 0 7 2 0 1 05 4 . 1 8 %4 5 . 8 2 %男性發(fā)病人數(shù)占總和發(fā)病人數(shù)的 %，女性發(fā)病人數(shù)占總和發(fā)病人數(shù)的%，男性發(fā)病人數(shù)要高于女性發(fā)病人數(shù) 。 首先將發(fā)病人數(shù)與平均氣壓、最高氣壓、最低氣壓、平均溫度、最高溫度、最低溫度、平均濕度、相對(duì)濕度進(jìn)行多元回歸分析，發(fā)現(xiàn)解釋變量中多個(gè)因素間存在多重線性的關(guān)系，剔除多重線性的影響后，再一次用發(fā)病人數(shù)和剩余因素進(jìn)行多元線性回歸，解釋變量都通過(guò)了檢驗(yàn)，能夠很好的解釋模型。 ? 第二，為研究腦卒中發(fā)病率與氣溫、氣壓和相對(duì)濕度之間的關(guān)系，運(yùn)用 R軟件進(jìn)行操作。把數(shù)據(jù)（見(jiàn)AppendixC1）整理好后我們 用 R語(yǔ)言對(duì) 2020年 1月到 2020年 12月的 61889條數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，分別是腦卒中發(fā)病與性別、年齡和職業(yè)的關(guān)系。我們根據(jù)數(shù)據(jù)建立數(shù)學(xué)模型，解決有哪些因素影響腦卒中發(fā)病，從而采取更好的預(yù)防措施和治療方法。 R語(yǔ)言 ? 開(kāi)源 ? 可以在 unix， windows， mac下運(yùn)行 ? 編程方便，與 splus所基于的 s語(yǔ)言一樣 ? 強(qiáng)大的圖形功能和統(tǒng)計(jì)分析 ? 有不斷加入的各個(gè)方向統(tǒng)計(jì)學(xué)家編寫(xiě)的統(tǒng)計(jì)軟件包 ? 易學(xué) ? 需要編程不傻瓜 SPSS celmentine 1999年 SPSS公司收購(gòu)了 ISL公司，對(duì)Clementi
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1