統(tǒng)計建模與r軟件課后答案(已改無錯字)
2023-07-21 02:20:32 本頁面
【正文】 ,20,16,18,13,8,11,8,4,6)) lm(log(Y)~1+X,data=peo)。summary()Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) ***X *** summary() exp($coefficients[1,1])[1] 所以theta0=,theta1=（2） nls(Y~b0*exp(b1*X),data=peo,start=list(b0=50,b1=0)) summary()Parameters: Estimate Std. Error t value Pr(|t|) b0 ***b1 ***發(fā)現(xiàn)所求的基本上與內(nèi)在線性相同。第七章（1）pro(Y=c(115,116,98,83,103,107,118,116,73,89,85,97),+ X=factor(rep(1:3,rep(4,3)))) aov(Y~X,data=pro) summary()可以看到不同工廠對產(chǎn)品的影響是顯著的（2）首先自己編寫求均值的小程序如下 Kmatrix(0,nrow=1,ncol=3,dimnames=list(39。mean39。,c(39。甲39。,39。乙39。,39。丙39。))) for(i in 1:3)+ K[1,i]mean(pro$Y[pro$X==i]) K 甲 乙 丙mean 103 111 86 (pro$Y[pro$X==1])。 (pro$Y[pro$X==2])。 (pro$Y[pro$X==3])。（3） (pro$Y,pro$X) 1 2 2 3 可以看到顯著性主要有乙工廠和丙工廠造成（1） old(Y=c(20,18,19,17,15,16,13,18,22,17,26,19,26,28,+ 23,25,24,25,18,22,27,24,12,14),X=factor(rep(1:4,c(10,6,6,2)))) aov(Y~X,data=old) summary()可以發(fā)現(xiàn)影響是非常顯著的。（2） (old$Y,old$X)直接從結(jié)果就可以發(fā)現(xiàn)國內(nèi)只有以工廠和丙工廠與國外工廠有顯著差異。而國內(nèi)只有甲乙，甲丙之間存在著顯著差異。 rat(X=c(30,27,35,35,29,33,32,36,26,41,33,31,43,45,53,44,+ 51,53,54,37,47,57,48,42,82,66,66,86,56,52,76,83,72,73,59,53),+ A=gl(3,12)) (rat$X[A==1]) (rat$X[rat$A==2]) (rat$X[rat$A==3]) (X~A,data=rat)可以看到數(shù)據(jù)符合正態(tài)性但是不是方差齊性的 rat(Y=c(,,,+ ,,,,+ ),X=gl(3,8)) aov(Y~X,data=rat) summary()結(jié)果是顯著的 sleep(Y=c(,,,+ ,,,,+ ,,,),X=gl(4,8)) aov(Y~X,data=sleep) summary()結(jié)果是不顯著（1） pro(Y=c(,,,+ ,,),A=gl(3,2,18),B=gl(3,6,18)) aov(Y~A+B+A:B,data=pro)。summary()結(jié)果是A和B及其交互作用都是十分顯著的（2）首先我們要選出最優(yōu)條件組合，由（1）知影響力為ABAB。下面我們來計算它們各個水平下的均值。首先要交互作用給找出來。如下 abfunction(x,y){+ nlength(x)。zrep(0,n)+ for( i in 1:n)+ if(x[i]==y[i]){z[i]1}else{z[i]2}+ factor(z)} pro$ABab(pro$A,pro$B)然后我們開始計算各個水平的均值，如下 Kmatrix(0,nrow=3,ncol=3,dimnames=list(1:3,c(39。A39。,39。B39。,39。AB39。))) for( i in 2:4)+ for(j in 1:3)+ K[j,i1]mean(pro$Y[pro[i]==j]) K A B AB1 2 3 NaN按照影響力越大（即P值越?。覀兪紫却_定AB應(yīng)選擇水平2，即A和B 不等的是最好的。然后選擇A，選擇水平3，那么B只能在1和2中選擇。下面給出A3B1的點估計和區(qū)間估計。 mean(pro$Y[pro$A==3amp。pro$B==1]) (pro$Y[pro$A==3amp。pro$B==1])（3） (pro$Y,pro$AB) (pro$Y,pro$B) (pro$Y,pro$A) rice(A=gl(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)。summary()可以看到影響均不顯著，那么我們干脆直接按照各因素水平的均值大小來取。下面計算均值 Kmatrix(0,nrow=3,ncol=3,dimnames=list(1:3,c(39。品種39。,39。密度39。,39。施肥量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(yīng)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。此題暫且不做首先把正交試驗表的結(jié)果那一列給計算出來。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=)。summary()從分析結(jié)果可以看出，顯著性大小為BABAC，其余均不顯著下面再計算出均值，從而就可以依據(jù)顯著性來選擇最優(yōu)參數(shù)了 abfunction(x,y){+ nlength(x)。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,$C) Kmatrix(0,nrow=2,ncol=5,dimnames=list(1:2,c(39。A39。,39。B39。,39。C39。,39。AB39。,39。AC39。))) for(i in 2:6)+ for(j in 1:2)+ K[j,i1]mean($Y[[i]==j]) K A B C AB AC1 2 依據(jù)顯著性，首先選擇B，選擇B1。再依據(jù)AB,應(yīng)選擇AB1，也就是說A和B
公司管理相關(guān)推薦
鄂ICP備17016276號-1