R语言第十周作业
R语言统计分析作业
R语言统计分析作业R语言是一种功能强大的统计分析工具，可以帮助数据分析师进行数据预处理、可视化、建模以及推断统计等工作。
在本篇文章中，我将介绍几个常用的R语言统计分析技巧，并给出具体的示例。
首先，数据预处理是数据分析工作的第一步。
R语言提供了各种函数和包用于数据的清洗和整理。
例如，我们可以使用read.csv(函数读取CSV文件，使用subset(函数筛选特定的行或列，使用merge(函数合并多个数据集，使用na.omit(函数删除缺失值等等。
其次，数据可视化是数据分析过程中必不可少的一部分。
R语言提供了丰富的绘图函数和包，能够生成各种类型的图形。
例如，我们可以使用ggplot2包绘制直方图、散点图、折线图等等，使用heatmap(函数绘制热图，使用networkD3包绘制网络图等等。
接下来，建模是数据分析的核心环节。
R语言提供了许多用于建模的函数和包，包括线性回归、逻辑回归、决策树、随机森林等等。
例如，我们可以使用lm(函数进行线性回归建模，使用glm(函数进行逻辑回归建模，使用rpart包进行决策树建模，使用randomForest包进行随机森林建模等等。
此外，推断统计是统计分析中另一个重要的部分。
R语言提供了许多用于推断统计的函数和包，包括假设检验、置信区间、卡方检验、T检验等等。
例如，我们可以使用t.test(函数进行双样本T检验，使用chisq.test(函数进行卡方检验，使用confint(函数计算置信区间等等。
最后，R语言还有许多其他功能强大的统计分析工具和扩展包，如时间序列分析、聚类分析、主成分分析等等。
根据具体的需求，我们可以选择相应的方法和包来完成分析任务。
总结起来，R语言是一种功能强大的统计分析工具，可以用于数据预处理、数据可视化、建模以及推断统计等多个方面。
在实际应用中，我们可以根据具体的需求选择相应的函数和包来实现统计分析任务。
使用R语言进行统计分析，既可以提高工作效率，又可以得到准确可靠的结果。
r语言数据处理 作业
以下是一个简单的R语言数据处理作业示例：假设你有一份包含学生姓名、年龄、性别、成绩等信息的表格，你需要对这份数据进行处理，回答以下问题：1. 计算学生的平均年龄。
2. 统计男女学生的比例。
3. 找出成绩最高的学生。
4. 计算每个性别的平均成绩。
首先，你需要打开这份表格，查看它的结构。
可以使用以下代码：```rhead(data)```其中，`data`是你的数据表格的名称。
这个命令会输出数据的前几行，让你了解数据的内容和结构。
接下来，你可以按照以下步骤进行数据处理：1. 计算学生的平均年龄：```rmean_age <- mean(data$age)print(paste("平均年龄为", mean_age))```2. 统计男女学生的比例：```rgender_count <- table(data$gender)print(paste("男女学生比例为", gender_count)) ```3. 找出成绩最高的学生：```rmax_score <- max(data$score)max_student <- data[data$score == max_score, ] print(max_student)```4. 计算每个性别的平均成绩：```rgender_avg_score <- by(data$score, data$gender, mean)print(gender_avg_score)```最后，你可以将以上处理过程整合成一个完整的R代码，保存为一个`.R`文件，然后通过RStudio运行这个文件，即可得到处理结果。
“生物统计学”课程作业(R语言)及参考答案
“生物统计学”课程作业（R语言）第一次作业：请各位同学用如下格式提交作业：题目一：题目：2006年四川省5个县奶牛的增长率(与2005年相比)如下，绘制成长条图。
解：代码：x<-c(22.6,13.8,18.2,31.3,9.5)barplot(x,col=rainbow(5),ylab='增长率%',xlab='县名',main='2005~2006四川省5个县奶牛的增长率',names.arg=c('双流县','名山县','宣汉县','青川县','泸定县'))图片：题目二：题目：1~9周龄大型肉鸭杂交组合GW 和GY 的料肉比如下表所示，绘制成线图。
解：双流县名山县宣汉县青川县泸定县2005~2006四川省5个县奶牛的增长率县名增长率%051015202530代码：x<-1:9y<-c(1.42,1.56,1.66,1.84,2.13,2.48,2.83,3.11,3.48)plot(y~x,type="l",col="red",ylab='料肉比',xlab='周龄',main='1~9周龄大型肉鸭杂交组合GW 和GY 的料肉比')z<-c(1.47,1.71,1.80,1.97,2.31,2.91,3.02,3.29,3.57)lines(z~x,type="l",col="blue")legend(1,3.0,'GW-red')legend(1,3.25,'GY-blue')图片：24681.52.02.53.03.51~9周龄大型肉鸭杂交组合GW 和GY 的料肉比周龄料肉比GW-redGY-blue题目三：附加题set.seed(学号后8位)data <- rnorm(100, 10.5, 1.0)data 为某场猪一月龄体重记录1. 求数据data 的平均数、标准差和变异系数平均数：10.62118标准差：1.076999变异系数：0.10140112. 选择合适的统计图，展示数据data 的总体分布情况作图软件：R统计图：（请将做好的统计图粘贴到此处）020*********8910111213某场猪一月龄体重记录100头猪标号体重代码：（若使用R，或SAS，请将代码粘贴到此处，若使用的软件不需代码则可忽略此部分）set.seed(20020125)data<-rnorm(100,10.5,1.0)dataplot(data,type="p",ylab='体重',xlab='100头猪标号',main='某场猪一月龄体重记录')结果解释：（100字以内解释该统计图中看到的结果）由统计图可知，该场猪一月龄体重主要介于8~14kg之间，但在该区间内，猪的体重数据分布较分散，相对来说数据较为集中的区域为10~11kg。
R语言练习题【精选文档】
统计软件实验1每题需注意1命令代码2结果或图形3自己的错误1 y =23log )10sin(4)43.0(2+⋅+-e πy 〈- sin(10＊pi)＊exp(—0。
3+4^2）+log(23)/log(4）2 x = sin(223/3）， y = x^2,z = y ＊10 ；求x+2y —5zx <— sin(223/3）；y <- x^2；x+2＊y —5*z3 建立起始值=3,增量值=5.5，终止值=44的一维数组xx <- seq(3。
47,by=5.5)4 建立等差一维数组x:首项为0,末项为π,项数为15x <- seq （0，pi,length=15）5 将100，200，200,200,400，600，600，600，800 输入R 中，保存到numeric 变量中numeric <— c （100,200，200，200，400,600,600，600,800)6 将numeric 转换为factor 存入变量factor.numeric ，并用class （)确认。
factor.numeric 〈- as.factor （numeric)7 查看factor 。
numeric 的内容factor.numeric8 创建一个2到50的向量,形式为 2, 4， 6, 8, ..., 48, 50并名为为vector1 vector1 〈- seq （from=2,to=50，by=2）9 选取vector1中的第20个元素vector1［20]10 选取vector1中的第10，15，20个元素vector1［c(10，15，20)］11 选取vector1中的第10到20个元素vector ［10：20]12 选取vector1中值大于40的元素vector1[vector1>40]13创建向量1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 rep(1：5,5)14使用rep （)创建向量0 0 0 0 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4rep （0：4，rep(5,5）)15 用函数rep(）构造一个向量x ，它由3个3，4个2，5个1构成x=c(rep （3,3),rep(2,4)，rep （1，5））统计软件实验2每题需注意1命令代码2结果或图形3自己的错误1计算行列式的值323426781 A=A=det(matrix（c(3,4,7，2，2，8，3,6,1)，nrow=3)）2 矩阵323426781A⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,矩阵111222333B⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦;求出A x B及A与B中对应元素之间的乘积A=matrix（c（3，4,7,2，2,8,3，6,1），nrow=3);B=matrix(rep（1：3,3）,nrow=3)；A%＊%B；A＊B3由1，2，...，16构成两个方阵,其中矩阵Ａ按列输入,矩阵Ｂ按行输入,并计算C=A+B，D=AB A=matrix（1：16,nrow=4）;B=matrix（1:16，nrow=4,byrow=T)；C=A+B;D=A％*％B4先复制附录数据至文本文档,然后读取数据至文件datadata 〈—read.table(”D：/t.data.txt”,header = T）5 比值的计算weight和height的平方的比值存入bmi变量bmi 〈— weight/height^2；detach(data)6 创建对象x，其值为1：10，使用write函数将其写入文件x。
R语言菜鸟练习笔记 10
•}
•for(j in 1:t){
•ratepv2<-(rate*j)/((1+m)^j)
•totalpv2<-ratepv2+totalpv2
•}
•d<-(totalpv2+extra*t/((1+m)^t))/(totalpv1+extra/((1+m)^t))
•return (d)
•}
•两债券
•债券A刚发行，其面值为1000元票面利率为8%，期限为十年。
•债券B 5年前发行，面值为1000元，票面利率12%，期限为15年，还有10年到期。
•计算（贴现率8%）
•1债券A与债券B的价格
•2计算债券A和B的久期
fun2<-function(extra,r,t){
count<-0
for(i in 1:1284){
sort(abc[i,j])
}
data[6,j]<-abc[1284/2,j]
}
for(j in 1:20){
count<-0
for(i in 1:1284){
sort(abc[i,j])
}
data[7,j]<-abc[1284*3/4,j]
}
return (data)
R语言笔记
•以债券，期限5年，面值2000元，票息率为10%，按贴现率8%，计算该债券的久期
•fun1<-function(extra,r,t,m){
•totalpv1<-0
•totalpv2<-0
•rate<-extra*r
r语言入门100道题
r语言入门100道题以下是100个R语言入门的问题，供您参考：1. 如何在R中创建一个向量？2. 如何在R中创建一个矩阵？3. 如何在R中创建一个数据框？4. 如何在R中创建一个列表？5. 如何在R中创建一个因子？6. 如何在R中创建一个日期对象？7. 如何在R中读取一个CSV文件？8. 如何在R中写入一个CSV文件？9. 如何在R中读取一个Excel文件？10. 如何在R中写入一个Excel文件？11. 如何在R中读取一个文本文件？12. 如何在R中写入一个文本文件？13. 如何在R中计算一个向量的平均值？14. 如何在R中计算一个向量的标准差？15. 如何在R中计算一个向量的中位数？16. 如何在R中计算一个向量的最大值？17. 如何在R中计算一个向量的最小值？18. 如何在R中计算一个向量的总和？19. 如何在R中计算一个向量的排序列表？20. 如何在R中计算一个矩阵的行数和列数？21. 如何在R中计算一个矩阵的转置矩阵？22. 如何在R中计算一个矩阵的行列式？23. 如何在R中计算一个矩阵的逆矩阵？24. 如何在R中计算一个矩阵的特征值和特征向量？25. 如何在R中计算一个矩阵的行和列的总和？26. 如何在R中计算一个数据框的行数和列数？27. 如何在R中计算一个数据框的列的平均值？28. 如何在R中计算一个数据框的列的标准差？29. 如何在R中计算一个数据框的列的中位数？30. 如何在R中计算一个数据框的列的最大值？31. 如何在R中计算一个数据框的列的最小值？32. 如何在R中计算一个数据框的列的总和？33. 如何在R中从一个向量中选择指定的元素？34. 如何在R中从一个向量中删除指定的元素？35. 如何在R中从一个向量中查找指定的元素？36. 如何在R中从一个向量中替换指定的元素？37. 如何在R中从一个向量中添加元素？38. 如何在R中从一个向量中提取唯一的元素？39. 如何在R中从一个矩阵中选择指定的行和列？40. 如何在R中从一个矩阵中删除指定的行和列？41. 如何在R中从一个矩阵中查找指定的行和列？42. 如何在R中从一个矩阵中替换指定的行和列？43. 如何在R中从一个矩阵中添加行和列？44. 如何在R中从一个数据框中选择指定的行和列？45. 如何在R中从一个数据框中删除指定的行和列？46. 如何在R中从一个数据框中查找指定的行和列？47. 如何在R中从一个数据框中替换指定的行和列？48. 如何在R中从一个数据框中添加行和列？49. 如何在R中对一个向量进行排序？50. 如何在R中对一个矩阵的行和列进行排序？51. 如何在R中对一个数据框的列进行排序？52. 如何在R中对一个数据框的多个列进行排序？53. 如何在R中对一个向量进行分组求和？54. 如何在R中对一个数据框的列进行分组求和？55. 如何在R中对一个向量进行分组统计？56. 如何在R中对一个数据框的列进行分组统计？57. 如何在R中对一个向量进行条件筛选？58. 如何在R中对一个数据框的列进行条件筛选？59. 如何在R中对一个向量进行条件替换？60. 如何在R中对一个数据框的列进行条件替换？61. 如何在R中对一个数据框的列进行合并去重？62. 如何在R中对一个数据框的列进行合并求和？63. 如何在R中对一个数据框的列进行合并求平均值？64. 如何在R中计算一个向量的累计和？65. 如何在R中计算一个向量的累计乘积？66. 如何在R中计算一个向量的累计均值？67. 如何在R中计算一个矩阵的累计和？68. 如何在R中计算一个矩阵的累计乘积？69. 如何在R中计算一个矩阵的累计均值？70. 如何在R中计算一个数据框的累计和？71. 如何在R中计算一个数据框的累计乘积？72. 如何在R中计算一个数据框的累计均值？73. 如何在R中计算两个向量的点积？74. 如何在R中计算两个向量的叉积？75. 如何在R中计算两个向量的欧几里得距离？76. 如何在R中计算两个矩阵的乘积？77. 如何在R中计算两个矩阵的点积？78. 如何在R中计算两个矩阵的叉积？79. 如何在R中将一个向量转换为矩阵？80. 如何在R中将一个向量转换为数据框？81. 如何在R中将一个向量转换为列表？82. 如何在R中将一个向量转换为因子？83. 如何在R中将一个矩阵转换为向量？84. 如何在R中将一个矩阵转换为数据框？85. 如何在R中将一个矩阵转换为列表？86. 如何在R中将一个矩阵转换为因子？87. 如何在R中将一个数据框转换为向量？88. 如何在R中将一个数据框转换为矩阵？89. 如何在R中将一个数据框转换为列表？90. 如何在R中将一个数据框转换为因子？91. 如何在R中将一个列表转换为向量？92. 如何在R中将一个列表转换为矩阵？93. 如何在R中将一个列表转换为数据框？94. 如何在R中将一个列表转换为因子？95. 如何在R中将一个因子转换为向量？96. 如何在R中将一个因子转换为矩阵？97. 如何在R中将一个因子转换为数据框？98. 如何在R中将一个因子转换为列表？99. 如何在R中将一个日期对象转换为字符对象？100. 如何在R中将一个字符对象转换为日期对象？这些问题涵盖了R语言中一些基本操作的方方面面，希望对您入门R语言有所帮助。
r语言作业
实验五数据结构（向量、因子、列表）实验目的：1.熟悉R中数据基本结构特点及使用方法2.熟悉R中向量的编辑方法3.熟悉R中因子的设置方法4.熟悉R中列表的编辑方法实验要求：完成每个实验内容的同时，在每题后面附上程序代码。
要求独立完成。
实验内容：一、编写一个函数，具有如下功能：1.输入参数为一个向量或者数据框2.计算向量（或数据框中的列向量）的均值、方差、标准差、中位数3.计算向量（或数据框中的列向量）的标准化得分4.将2与3中的计算结果存储到一个列表中作为函数返回对象> f<-function(x){+ mean<-mean(x)+ var<-var(x)+ sd<-sd(x)+ median<-median(x)+ m<-(x-mean(x))/sd(x)+ j<-list(f.mean=mean,f.var=var,f.sd=sd,f.median=median,f.m=m)+ j+ }二、有三组学生使用了不同的数学辅导教材，期末考试成绩如下。
问这三组学生的成绩有无显著差异？（使用stack函数将三组向量合并成一个向量以及一个平行因子，然后使用aov 函数或者oneway.test函数进行方差分析。
）第一组998899899490第二组555067675656第三组795689997089> x1<-c(99,88,99,89,94,90)> x2<-c(55,50,67,67,56,56)> x3<-c(79,56,89,99,70,89)> f<-stack(list(a=x1,b=x2,c=x3))> f1<-data.frame(f)> x1<-aov(values~ind,data=f1)> summary(a)Df Sum Sq Mean Sq F value Pr(>F)ind 2 3686 1843.2 17.68 0.000113 ***Residuals 15 1564 104.2---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’。
R语言练习
R语言练习一、填空1.下列变量名中的是合法变量（Ａ）char_1，data_2,x_j （Ｂ）x*y ，a.1 （Ｃ）x\y ，a1234 （Ｄ）end ，2bcx 2.已知x 为一个向量，计算其正弦函数的运算为（Ａ）SEC(X) （Ｂ）SIN(x) （Ｃ）sin(x) （Ｄ）secx 3.已知x ＝2^(0:3)，则命令2*x 返回的结果为 4.命令rep(c(1,3),each=3)返回结果为 5.命令matrix(2:7,nrow=2,byrow=F)返回的结果为6.已知矩阵?=16128415117314106213951A ，则命令A%*%A 返回的结果为 7.已知矩阵??=129631185210741B ，则命令dim(B)返回的结果为 8.已知矩阵?=43214321A ，则命令rowSums(A)返回的结果为 9.已知矩阵=54324321A ，则命令apply(A,2,sum)返回的结果为10.命令rbind(1:3,1:4)返回的结果为11.执行命令b=list(name="Fred",wife="Mary",no.children=3,child.ages=c(4,7 ,9))后,则命令length(b)返回的结果为12.执行命令xx=array(1:24,c(3,4,2))后,则命令xx[2,1:3,2]返回的结果为13.已知变量x=c(2,3),则执行命令x[5]<-5后变量x 的结果为14.命令paste("x",1:5,sep="")返回的结果为 15.已知变量x=(1:10)+2,则命令x[1:5]返回的结果为二、写出相应的命令和程序：1、用函数rep()构造一个向量x,它由5个3，10个2，98个1构成2、10位同学的姓名、性别、年龄、身高、体重数据如下：Name Sex Age Height WeightAlice F 13 56.5 84.0Sandy F 11 51.3 50.5Sharon F 15 62.5 112.5Tammy F 14 62.8 102.5Alfred M 14 69.0 112.5Duke M 14 63.5 102.5Guido M 15 67.0 133.0Robert M 12 64.8 128.0Thomas M 11 57.5 85.0William M 15 66.5 112.0(1)用数据框的形式读入数据，数据框的名称为my.class(2)将上述数据写成一个纯文本的文件（文件名为class.txt）,并用函数read.table()读取文件中的身高和体重数据(3)按性别分组绘制学生身高的直方图3、新建一个脚本文件，名为vector,，完成如下功能（1）创建一个2到50的向量vector1（2）选取vector1中的第10，15，20个元素（3）选取vector1中第10到20个元素（4）选取vector1中值大于40的元素（5）将向量中的数据降序排列4、新建一个脚本文件，名为plot，完成如下功能：（1）生成0到2之间的50个随机数，分别命名为x,y（2）绘制散点图，要求：主标题为:“散点图”，横轴命名为“横坐标”，纵轴命名为“纵坐标”设置文本颜色为红色（3）在散点图的坐标为(0.6,0.6)的位置写入文本“text at (0.6,0.6)”（4）在h=0.6,v=0.6处分别添加参考线5、编写一个函数sqtest，给出两个数之后，直接给出这两个数的平方和,并调用该函数，实现计算20^2+15^2。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验十数据可视化（绘图二）
实验目的：
1.熟悉R条形图的制作
2.熟悉R直方图的制作
3.熟悉用Q-Q图来检验分布的特征
4.了解相关概率计算和随机抽样的R实现
实验要求：完成每个实验内容的同时，在每题后面附上程序代码。
要求独立完成。
实验内容：
一．
1.对于iris数据，用每类花（iris$Speciees）的样本数作为高度，制作条形图。
heights<- table(iris$Species)
barplot(heights)
2.用每类花的Sepal.Length、Sepal.Width、Petal.Length、Petal.Width的平均值分别制作条形图，四图同显。
par(mfrow=c(2,2))
attach(iris)
SLength<- tapply(Sepal.Length, Species, mean)
barplot(SLength,main="Mean Temp.by Sepal.Length",col=1)
SWidth<- tapply(Sepal.Width, Species, mean)
barplot(SWidth,main="Mean Temp.by Sepal.Width",col=2)
PLength<- tapply(Petal.Length, Species, mean)
barplot(PLength,main="Mean Temp.by Petal.Length",col=3)
PWidth<- tapply(Petal.Width, Species, mean)
barplot(PWidth,main="Mean Temp.by Petal.Width",col=4)
3.分别制作Sepal.Length、Sepal.Width、Petal.Length、Petal.Width的直方图（用密度值做代表，设置prob=T）,添加拟合的密度曲线，四图同显。
par(mfrow=c(2,2))
attach(iris)
hist(Sepal.Length,prob=T,col=5)
lines(density(Sepal.Length))
hist(Sepal.Width,prob=T,col=2)
lines(density(Sepal.Width))
hist(Petal.Length,prob=T,col=3)
lines(density(Petal.Length))
hist(Petal.Width,prob=T,col=4)
lines(density(Petal.Width))
4.分别制作Sepal.Length、Sepal.Width、Petal.Length、Petal.Width的正态Q-Q图，四图同显，并说明他们的正态性。
par(mfrow=c(2,2))
attach(iris)
qqnorm(Sepal.Length, main="Q-Q Plot: Sepal.Length",col=5)
qqline(Sepal.Length,col=5)
qqnorm(Sepal.Width, main="Q-Q Plot: Sepal.Width",col=6)
qqline(Sepal.Width,col=6)
qqnorm(Petal.Length, main="Q-Q Plot: Petal.Length",col=9)
qqline(Petal.Length,col=9)
qqnorm(Petal.Width, main="Q-Q Plot: Petal.Width",col=8)
qqline(Petal.Width,col=8)
二．用随机模拟的方法计算下面积分的数值，并和实际值作比较。
π
∫sin xdx
m<-100000
sam<-data.frame(x=runif(m,0,pi),y=runif(m,0,1))
head(sam$y<=sin(sam$x))
plot(sam)
abline(h=c(0,1),v=c(0,pi),col="red")
points(sam[sam$y<=sin(sam$x),],col="yellow")
> a<-4*sum(sam$y<=sin(sam$x))/m
> a
[1] 2.55812
实际值
> b<--(cos(pi)-cos(0))
> b
[1] 2
三．模拟来自指数分布随机变量的样本均值的极限分布。
x<-rexp(1000)
n<-c(2,5,10,60)
m<-10000
xbar<-data.frame()
for(i in 1:length(n)){
for(j in 1:m)
xbar[j,i]<-mean(sample(x,n[i],rep=T))
}
par(mfrow=c(2,2))
for(i in 1:4)
hist(xbar[,i],50,main=paste("n=",n[i]),prob=T)。