統(tǒng)計(jì)建模與r軟件課后答案-文庫(kù)吧資料
2025-06-26 02:20本頁(yè)面
【正文】 看去掉他們的共線性如何。我們可以檢驗(yàn)一下step函數(shù)去掉變量后的共線性。 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。因此可考慮剔除5,8,9,24點(diǎn)再做擬合。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)。因此應(yīng)該去掉X3 lm(Y~X1,data=soil)。（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。summary()我們發(fā)現(xiàn)X2和X3的系數(shù)沒(méi)有通過(guò)t檢驗(yàn)。prediction39。（2）（3） lm(Y~1+X,data=snow)。kendall39。spearman39。,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。,mean(x),sd(x)) (y,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。) (x,mu=,al=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。)結(jié)果是不能認(rèn)為能增加比例就是檢驗(yàn)?zāi)愕臉颖臼欠穹夏莻€(gè)分布 (c(315,101,108,32),p=c(9,3,3,1)/16)結(jié)果顯示符合自由組合規(guī)律又是檢驗(yàn)一個(gè)總體是否符合假定分布。,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。（2） (x,y,=F) (x,y,=T) (x,y,paired=T)結(jié)論是均值無(wú)差異（3） (x,y)結(jié)論是方差相同由以上結(jié)果可以看出這兩種藥的效果并無(wú)二致（1）（） xc(126,125,136,128,123,138,142,116,110,108,115,140) yc(162,172,177,170,175,152,157,159,160,162) ppnorm(c(105,125,145),mean(x),sd(x)) pc(p[2],1p[2]) (A,p=p) (y,39。pnorm39。pnorm39?？捎梅?hào)檢驗(yàn)和wilcoxon秩檢驗(yàn)。然后用pnorm函數(shù)來(lái)計(jì)算大于1000的概率。)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。故如下 xc(1067,919,1196,785,1126,936,918,1156,920,948) (x,alternative=39。我們直接用樣本均值來(lái)估計(jì)參數(shù)即可。我們可以用兩種方式來(lái)做一做 xc(140,137,136,140,145,148,140,135,144,141) yc(135,118,115,140,128,131,130,115,131,125) (x,y,=T) (xy)結(jié)果不再列出，但是可以發(fā)現(xiàn)用均值差估計(jì)和配對(duì)數(shù)據(jù)估計(jì)的結(jié)果的數(shù)值有一點(diǎn)小小的差別。,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。如下 (x,alternative=39。但是默認(rèn)mu=0并不是我們想要的。greater39。less39。因此我們只需要用樣本均值作矩估計(jì)即可在R中實(shí)現(xiàn)如下 xc(rep(0,17),rep(1,20),rep(2,10),rep(3,2),rep(4,1)) mean(x)[1] 1 ffunction(x) {+objc(13+x[1]+((5x[2])*x[2]2)*x[2],(29+x[1]+((x[2]+1)*x[2]14)*x[2]))+ sum(obj^2)} nlm(f,c(,2))在矩估計(jì)中，正態(tài)分布總體的均值用樣本的均值估計(jì)。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。x=i=1na+1xia=(a+1)ni=1nxia再取對(duì)數(shù)為lnLa?？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?？傮w的期望為。39。) (身高,體重)根據(jù)得
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1