統(tǒng)計建模與r軟件課后答案-閱讀頁
2025-07-05 02:20本頁面
【正文】 (3,3),B=gl(3,1,9),+ C=factor(c(1,2,3,2,3,1,3,1,2)),Y=c(,+ ,)) aov(Y~A+B+C,data=rice)。下面計算均值 Kmatrix(0,nrow=3,ncol=3,dimnames=list(1:3,c(39。,39。,39。))) for(i in 1:3)+ for(j in 1:3)+ K[i,j]mean(rice$Y[rice[j]==i]) K 品種 密度 施肥量1 2 3 所以應該選品種8號，首先我們繪制出正交試驗表格，如下列號1234567產(chǎn)量試驗號ABA*BCA*CB*CDC*DB*DA*D11111111862111222295312211229141222211945212121291621221219672211221838221211288好吧，表示因為多了一個因素D不知道怎么排列交互作用了，我上面排列的也不一定對。如下 promatrix(c(,1,1,1,2,+ ,1,2),ncol=4,+ byrow=T) apply(pro,1,mean)現(xiàn)在可以輸入正交試驗表了，如下 (Y=,A=gl(2,4),B=gl(2,2,8),C=gl(2,1,8))進行分析aov(Y~A+B+C+A:B+A:C+B:C,data=)。zrep(0,n)+ for( i in 1:n)+ if(x[i]==y[i]){z[i]1}else{z[i]2}+ factor(z)} $ABab($A,$B) $ACab($A,$C) Kmatrix(0,nrow=2,ncol=5,dimnames=list(1:2,c(39。,39。,39。,39。,39。))) for(i in 2:6)+ for(j in 1:2)+ K[j,i1]mean($Y[[i]==j]) K A B C AB AC1 2 依據(jù)顯著性，首先選擇B，選擇B1。那么A選擇1，C必須選擇2.所以最后的最優(yōu)組合應該是A1B1C2即通用夾具，特殊鑄鐵，第八章 xmatrix(c(,2,5,0,+ ,+ ,10),ncol=2,byrow=T) ggl(2,1,20) (x,g,c(,2)) (x,g,TstX=c(,2)) (x,g,TstX=c(,2),=T) (x[1:10,],x[11:20,],c(,2))得出的結(jié)論都是明天下雨 heart(39。,header=T) Gfactor(rep(1:3,c(11,7,5))) (heart,G,=F) (heart,G,=T) (heart,G,p=c(11/23,7/23,5/23),=F) (heart,G,p=c(11/23,7/23,5/23),=T)無論方差相同還是不同，%%方差相同的貝葉斯判別正確率為87%（1） study(39。,header=T)X(x1=study$x1,x2=study$x2,x3=study$x3,=study$地區(qū)) ddist(X) hclust(d,method=39。) hclust(d,method=39。) hclust(d,method=39。) hclust(d,method=39。) oparpar(mfrow=c(2,2)) plot(,hang=1) rect1(,k=4) plot(,hang=1) rect2(,k=4) plot(,hang=1) rect3(,k=4) plot(,hang=1) rect4(,k=4)下面是各種方法分類的結(jié)果 rect1 rect2 rect3 rect4（2） kmkmeans(scale(X),4,nstart=20) sort(km$clust) coreer(39。,header=T)X(x1=coreer$FL,x2=coreer$APP,x3=coreer$AA,x4=coreer$LA,+x5=coreer$SC,x6=coreer$LC,x7=coreer$HON,x8=coreer$SMS,x9=coreer$EXP,+ x10=coreer$DRV,x11=coreer$AMB,x12=coreer$GSP,x13=coreer$POT,+ x14=coreer$KJ,x15=coreer$SUIT,=coreer$ID) d(1cor(X)) hc1hclust(d,method=39。) hc2hclust(d,method=39。) hc3hclust(d,method=39。) hc4hclust(d,method=39。) oparpar(mfrow=c(2,2)) plot(hc1,hang=1) rect1(hc1,5) plot(hc2,hang=1) rect2(hc2,5) plot(hc3,hang=1) rect3(hc3,5) plot(hc4,hang=1) rect4(hc4,5)下面打印出分類的結(jié)果 rect1 rect2 rect3 rect4第九章（1） fac(39。,header=T) prinp(fac,cor=T)。（2） apply(pre,2,order)我們利用以上代碼看每個行業(yè)在各個主成分的排序，是從小到大排列的。首先我們采用動態(tài)聚類方法，如下 precpre[,1:4] precc(x1=prec[,1],x2=prec[,2],x3=prec[,3],+ x4=prec[,4],=c(39。,39。,39。,39。,39。,+ 39。,39。,39。,39。,39。,39。,39。,39。)) kmkmeans(scale(precc),5) sort(km$cluster)然后我們也可以使用系統(tǒng)聚類法，如下 ddist(scale(precc)) hchclust(d) plot(hc,hang=1) rect(hc,k=5) rect(hc,k=5) rect 打印出類別結(jié)果，便于查看。故可以用主成分回歸來處理。因此我們用前兩個主成分來實現(xiàn)數(shù)據(jù)降維的目的。 xc(1,1,+ ,1,+ ,1,+ ,1,1,+ ,1,+ ,1) namesc(39。,39。,39。,39。,39。,39。,39。,39。) rmatrix(x,nrow=8,dimnames=list(names,names)) facfactanal(factors=2,covmat=r) fac從結(jié)果中我們可以看出，第一個因子主要與身高，手臂長，上肢長，下肢長有關，第二個因子主要與體重，頸圍，胸圍有光。（1） X(X1=c(99,99,100,93,100,90,75,93,87,95,76,85),+ X2=c(94,88,98,88,91,78,73,84,73,82,72,75),+ X3=c(93,96,81,88,72,82,88,83,60,90,43,50),+ X4=c(100,97,100,96,78,97,89,88,84,39,78,37)) X$X5c(100,99,96,99,96,75,97,68,76,62,67,34) fafactanal(X,factors=2) fa我們分析出兩個因子，可以看到第一個因子與前面變量關系更大，可稱為文科因子，第二個因子與后面的變量相關，可以稱之為理科因子。Bartlett39。n39。第1,2,3,5同學文理科都很好。39。另外，我們還可以看看那每對典型變量的散點圖。U139。V139。U239。V239。U339。V
公司管理相關推薦
鄂ICP備17016276號-1