统计软件分析与应用 实验报告
RStudioR语言与统计分析实验报告
RStudioR语言与统计分析实验报告1. 实验目的本实验旨在介绍RStudio软件和R语言在统计分析中的应用。
通过本实验，可以了解RStudio的基本功能和操作，掌握R语言的基本语法和常用函数，并在实际数据分析中应用所学知识。
2. 实验环境与工具本实验使用RStudio软件进行实验操作。
RStudio是一个集成开发环境（IDE），专门用于R语言编程和统计分析。
它提供了代码编辑器、调试器、数据可视化工具等一系列功能，便于用户进行数据处理和分析。
3. 实验步骤本实验分为以下几个步骤：3.1 安装R和RStudio在开始实验之前，需要先安装R语言和RStudio软件。
R语言是一种统计分析和数据挖掘的编程语言，而RStudio是R语言的集成开发环境。
3.2 RStudio界面介绍在打开RStudio后，可以看到主要分为四个区域：代码编辑器、控制台、环境和帮助。
代码编辑器用于编写R语言代码，控制台用于执行和查看代码运行结果，环境用于查看和管理数据对象，帮助用于查阅R语言文档和函数说明。
3.3 R语言基础研究R语言的基本语法和常用函数是使用RStudio进行统计分析的基础。
实验中将介绍R语言的数据类型、赋值操作、条件语句、循环语句等基本概念，并演示常用函数的使用方法。
3.4 实际数据分析应用通过实际数据分析案例，将R语言和RStudio运用到实际问题中。
根据给定的数据，使用R语言进行数据处理、探索性分析和统计模型建立，并通过可视化工具展示分析结果。
4. 实验总结通过完成本实验，我们了解了RStudio软件和R语言在统计分析中的应用。
掌握了RStudio的基本功能和操作，熟悉了R语言的基本语法和常用函数。
通过实际数据分析案例的应用，提高了数据处理和统计分析能力。
5. 参考资料。
《数据分析与应用软件》实验报告新
《数据分析与应用软件》实验报告新【实验报告】一、引言数据分析与应用软件是一门涉及数据处理和分析的重要课程。
本实验报告旨在对这门课程的实验进行详细记录和总结，展示我们对数据分析和应用软件的理解和掌握。
二、实验目的本实验的主要目的是通过使用数据分析和应用软件，掌握数据处理和分析的基本方法和技巧，培养实际应用能力。
三、实验步骤1. 数据收集在实验开始之前，我们首先需要收集相关数据。
我们选择了市场销售数据作为实验对象，其中包含了产品销售额、销售渠道、顾客购买行为等信息。
2. 数据清洗收集到原始数据后，我们需要对其进行清洗。
这一步包括去除重复值、处理缺失值、处理异常值等操作，以保证数据的准确性和可用性。
3. 数据预处理在进行数据分析之前，我们需要对数据进行预处理。
这包括数据的标准化、归一化、特征选择等操作，以便更好地进行后续分析。
4. 数据分析接下来，我们将基于清洗和预处理后的数据进行分析。
我们可以使用统计学方法、机器学习算法等进行数据分析，以获取有关销售趋势、市场需求等方面的信息。
5. 结果展示最后，我们将通过图表和报告的形式展示我们的分析结果。
这一步需要使用数据可视化工具和报告生成工具，将分析结果以清晰、简洁的方式展示出来。
四、实验结果经过数据分析和应用软件的操作，我们得到了以下实验结果：1. 销售趋势分析：通过分析销售数据，我们发现产品销售额呈逐年增长的趋势。
同时，不同渠道的销售额也存在差异，其中某一渠道的销售额呈现上升趋势，可进一步加大投入。
2. 顾客购买行为分析：通过对顾客购买行为进行分析，我们了解到产品的受欢迎程度、购买频率等信息。
这些信息对于改进产品设计、制定市场策略具有重要意义。
3. 市场需求预测：基于历史销售数据，我们使用回归模型对未来市场需求进行预测。
这有助于企业合理安排生产计划、库存管理等方面的工作。
五、实验总结通过本次实验，我们学会了使用数据分析与应用软件进行数据处理和分析的基本方法和技巧。
统计软件分析实验报告
统计软件分析实验报告一、引言统计软件是一种可以进行数据分析和统计建模的工具，它为研究人员提供了便捷的数据处理和分析方法。
本实验旨在通过使用统计软件进行数据分析，探索统计软件在实际应用中的优势和局限性。
二、实验目的1.了解统计软件的基本功能和操作方法；2.掌握常见的数据处理和统计分析方法；3.探索统计软件在实际应用中的优势和局限性。
三、实验过程1. 数据导入在实验中，我们选择了一组包含学生考试成绩的数据集。
首先，我们使用统计软件将数据导入到软件中，确保数据的正确导入。
2. 数据清洗和预处理数据清洗和预处理是数据分析的重要环节。
我们使用统计软件对数据进行了初步的清洗和预处理工作，包括去除缺失值、异常值处理等。
3. 描述性统计分析描述性统计分析是对数据进行整体的描述和总结，包括计算数据的均值、中位数、标准差等。
通过统计软件的功能，我们可以快速得到这些统计指标，并对数据的分布情况有一个初步的了解。
4. 统计图表绘制统计图表是直观地展示数据的一种常用方法。
我们使用统计软件绘制了柱状图、折线图等多种图表，以便更好地理解和展示数据的特征和趋势。
5. 假设检验在实验中，我们对数据进行了假设检验，以验证特定的假设是否成立。
通过统计软件的功能，我们可以进行方差分析、t检验等常见的假设检验方法。
6. 回归分析回归分析是统计学中常用的一种分析方法，用于探究自变量和因变量之间的关系。
我们使用统计软件进行了回归分析，并得出了相关的回归模型。
7. 结果解释和报告撰写最后，根据实验结果，我们对数据进行了解释和分析，并撰写了实验报告。
四、实验结果与分析通过使用统计软件，我们得到了数据的描述性统计分析结果，包括均值、中位数、标准差等。
同时，我们还绘制了相关的图表，以便更好地理解数据的特征和趋势。
在假设检验方面，我们使用统计软件对数据进行了方差分析和t检验。
通过对比不同组别之间的差异，我们得出了一些显著性的结论。
在回归分析方面，我们使用统计软件建立了回归模型，并得到了相关的回归系数。
统计分析软件应用SPSS-主成分分析实验报告
本科学生综合性、设计性实验报告实验课程名称统计分析软件应用开课学期2010至2011学年下学期上课时间2011 年4 月25 日辽宁师范大学教务处编印、实验方案、实验目的：掌握主成分分析的思想和具体步骤。
掌握SPSS实现主成分分析的具体操作，并对处理结果做出解释。
5、参考文献：［1］卢纹岱.SPSS for Window銃计分析［M］.电子工程出版社，2006［2］郭显光.如何用SPS歎件进行主成分分析［J］.统计与信息论坛，1998, （2）［3］何晓群.现代统计分析方法与应用［M］.中国人民大学出版社，1998［4］余建英、何旭宏.数据统计分析与SPSS^用［M］.人民邮电出版社，2003、实验报告1、 实验目的、设备与材料、理论依据、实验方法步骤见实验设计方案2、 实验现象、数据及结果表1描述性统计量表表2主成分因子荷载矩阵表表3相关系数矩阵表表4公因子方差表Descriptive Statistics图1碎石图Component U 刨乡至拜占，3 GQmponenls extrudedCommunalitiesExtraction Method: Principal Component Analysis.表总方差分解表Total Variance ExplainedCompoiieint initial EigenvaluesExtraction Sums of Squared Loadings Tota J cf Variance Cumulabv? % Total % of '/a™nee Cumulative %1 3&14 48.929 +£.929 3.914 4S929 48.92921 312 23.BSS 723271.912 23B96 72 S2? 3■1.430 17.9911.43917 曲■!&G.S1B4 S79 7.335 SB.'353 5,1441,797 9^.3506.012150 100.000 76 13E-Q13 7.66E-017 1Q0JO0S-4.2E-016-4.25E-015IQO.OOQExtraction Method: Prkicipal Component AnalysisInitial Extraction赔付率1.000 .964 净收入与总收入之比 1.000 .993 投资收益率 1.000 .923 再保险率 1.000 .968 总资产报酬率 1.000 .919 两年保费收入收益率 1.000 .659 保费收入变化率 1.000 .961 流动性比率 1.000.879Plolb1= *X1+*X2+**X4+*X5+***X8b2=*X1+**X3+***X6+*X7+*X8 b3=*X1+*X2+*X3+***X6+**X8表7Y1= *x1+*x2+**x4+*x5+***x8 Y2=*xi+*x2- **x4+*x5+***x8 Y3=*x1+*x2+*x3+*x4+**x6+**x8加权：输出结果，并从高到低进行排序：表81:人保2:平安3:太平洋4:大众5:华泰6:永安7:华安 Z 主成分综合得分Num 1 Z 主成分综合得分 | Num华泰1:人保可以如上所述计算主成分得分，还可以通过综合评价函数计算综合得分综合评价函数：Z=%*Y1+%*Y2+%*Y34、结论:表8中，综合得分出现负值，这只表明该保险公司的综合水平处于平均水平之下。
统计案例分析实验报告
一、实验背景随着大数据时代的到来，统计学在各个领域中的应用越来越广泛。
为了提高学生对统计学原理和方法的理解，本实验选取了一个具体的案例，通过实际操作，让学生掌握统计学的基本原理和方法，并学会运用统计软件进行数据处理和分析。
二、实验目的1. 理解统计学的基本原理和方法；2. 掌握统计软件（如SPSS、R等）的基本操作；3. 学会运用统计学方法对实际问题进行建模和分析；4. 培养学生严谨的实验态度和科学的研究方法。
三、实验案例本次实验选取的案例为：某企业员工满意度调查。
四、实验内容1. 数据收集通过问卷调查的方式，收集某企业员工的满意度数据，包括员工基本信息、工作满意度、薪酬满意度、福利满意度等。
2. 数据整理将收集到的数据进行整理，包括数据清洗、缺失值处理、异常值处理等。
3. 描述性统计分析对整理后的数据进行描述性统计分析，包括均值、标准差、频率分布等。
4. 相关性分析运用相关系数、回归分析等方法，分析员工满意度与各个影响因素之间的关系。
5. 因子分析运用因子分析方法，提取影响员工满意度的关键因素。
6. 交叉分析运用交叉分析，研究不同群体在满意度方面的差异。
五、实验结果与分析1. 描述性统计分析根据调查数据，员工工作满意度均值为 3.5（1-5分制），薪酬满意度均值为 3.2，福利满意度均值为3.0。
2. 相关性分析通过相关性分析，发现员工满意度与工作满意度、薪酬满意度、福利满意度之间存在显著的正相关关系。
3. 因子分析通过因子分析，提取出三个关键因素：工作环境、薪酬福利、企业文化。
4. 交叉分析通过交叉分析，发现不同性别、年龄、岗位的员工在满意度方面存在显著差异。
六、实验结论1. 员工满意度与工作满意度、薪酬满意度、福利满意度之间存在显著的正相关关系；2. 工作环境、薪酬福利、企业文化是影响员工满意度的关键因素；3. 不同性别、年龄、岗位的员工在满意度方面存在显著差异。
七、实验反思1. 在实验过程中，要注意数据收集的全面性和准确性，以保证实验结果的可靠性；2. 在数据分析过程中，要熟练运用统计软件，提高数据分析效率；3. 在实验报告中，要清晰阐述实验目的、方法、结果和结论，使读者易于理解。
应用统计学实验报告（spss软件）
应⽤统计学实验报告（spss软件）我国31个省市⾃治区第三产业发展状况分析（数据来源：中宏统计数据库）2010年31个省市第三产业增加值⼀、因⼦分析1.考察原有变量是否适合进⾏因⼦分析为研究全国各地区第三产业的发展状况，现⽐较其第三产业增加值的差异性和相似性，收集到2010年全国31个省市⾃治区各类第三产业包括交通运输、仓储和邮政业，批发和零售业，住宿和餐饮业，⾦融业，房地产业及其他产业的年增产值数据。
由于涉及的变量较多，直接进⾏地区间的⽐较分析⾮常繁琐，因此⾸先考虑采⽤因⼦分析⽅法减少变量个数，之后再进⾏⽐较和综合评价。
表1-1（a）原有变量的相关系数矩阵由表1-1（a）可以看到，所有的相关系数都很⾼，各变量呈较强的线性关系，能够从中提取公因⼦，适合做因⼦分析。
表1-1（b）巴特利特球度检验和KMO检验由表1（b）可知，巴特利特球度检验统计量的观测值为295.349，相应的概率p接近0,。
如果显著性⽔平a为0.5，由于概率p⼩于显著性⽔平a，应拒绝零假设，认为相关系数矩阵与单位矩阵有显著差异。
同时，KMO值为0.860，根据Kaiser给出了KMO 度量标准可知原有变量适合进⾏因⼦分析。
2.提取因⼦⾸先进⾏尝试性分析。
根据原有变量的相关系数矩阵，采⽤主成分分析法提取因⼦并选取特征根值⼤于1的特征根。
表1-2（a）因⼦分析的初始解（⼀）表1-2（a）显⽰了所有变量的共同度数据。
第⼀列是因⼦分析初始解下的变量共同度，表明对原有6个变量如果采⽤主成分分析法提取所有特征根（6个），那么原有变量的所有⽅差都可被解释，变量的共同度均为1。
第⼆列是在按指定提取条件提取特征根时的共同度。
可以看到，所有变量的绝⼤部分信息（⼤于84%）可被因⼦解释，这些变量的共同度均较⾼，变量的信息丢失较少，只有交通运输这个变量的信息丢失较多（近20%），因此本次因⼦提取的总体效果不理想。
重新指定特征根的标准，指定提取两个因⼦，结果如下：表1-2（b）因⼦分析的初始解（⼀）表1-2（c）因⼦解释变量原有变量总⽅差的情况表1-2（c）中，第⼀列是因⼦编号，第⼆列到第四列（第⼀组数据项）描述了初始因⼦解的情况，第五列到第七列（第⼆组数据项）描述了因⼦解的情况。
spss统计学软件实验报告
西安邮电大学统计软件实习报告书系部名称：经济与管理学院营销策划系学生姓名：陈志强专业名称：商务策划管理时间：2012年5月21日至2012年5月25日实习内容：熟悉和学习SPSS软件，包括1.基本统计实验（均值、中位数、众数、全距、方差与标准差、四分位数、十分位数、频数、峰度、偏度）；2均值比较和T检验（均值比较、单一样本T检验、两独立样本T检验和两配对样本T检验）；3.相关分析（二元定距变量的相关分析、二元定序变量的相关分析、偏相关分析、距离相关分析）；4.回归分析（一元线形回归和多元线形回归）。
实习目的：掌握SPSS基本的统计描述方法，可以对要分析的数据的总体特征有比较准确的把握，从而为以后实验项目选择其他更为深入的统计分析方法打下基础。
实习过程：实验1：二元定距变量的相关分析★研究问题：某工厂生产多种产品，分别对其进行两标准评分，评分结果如下表，现在要研究这两个标准之间是否具有相关性。
★实现步骤『步骤1』在“Analyze”菜单“Correlate”中选择Bivariate命令，如图3-1所示。
图3-1 选择Bivariate Correlate 菜单『步骤2』在弹出的如图3-2所示Bivariate Correlate对话框中，从对话框左侧的变量列表中分别选择“标准1”和“标准2”变量，单击按钮使这两个变量进入Variables框。
在Correlation Coefficients框中选择相关系数，本例选用Pearson项。
在Test of significance框中选择相关系数的双侧（Two-tailed）检验，检验两个变量之间的相关取向，也就是从结果中来得到是正相关还是负相关。
图3-2 Bivariate Correlate对话框选中Flag significations correlations选项，则相关分析结果中将不显示统计检验的相伴概率，而以星号（*）显示。
一个星号表示当用户指定的显著性水平为0.05时，统计检验的相伴概率值小于等于0.05，即总体无显著性相关的可能性小于等于0.05；两个星号表示当用户指定的显著性水平为0.01时，统计检验的相伴概率值小于等于0.01，即总体无显著线形相关的可能性小于等于0.01。
实验报告(统计软件)纪顺洪
学生实践报告（文科类）课程名称：统计软件应用专业班级： 11级会计（1）班学生学号： 1101101007 学生姓名：纪顺洪所属院部：商学院指导教师：吴远征20 12 ——20 13 学年第 1 学期金陵科技学院教务处制实践报告书写要求实践报告原则上要求学生手写，要求书写工整。
若因课程特点需打印的，要遵照以下字体、字号、间距等的具体要求。
纸张一律采用A4的纸张。
实践报告书写说明实践报告中一至四项内容为必填项，包括实践目的和要求；实践环境与条件；实践内容；实践报告。
各院部可根据学科特点和实践具体要求增加项目。
填写注意事项（1）细致观察，及时、准确、如实记录。
（2）准确说明，层次清晰。
（3）尽量采用专用术语来说明事物。
（4）外文、符号、公式要准确，应使用统一规定的名词和符号。
（5）应独立完成实践报告的书写，严禁抄袭、复印，一经发现，以零分论处。
实践报告批改说明实践报告的批改要及时、认真、仔细，一律用红色笔批改。
实践报告的批改成绩采用百分制，具体评分标准由各院部自行制定。
实践报告装订要求实践报告批改完毕后，任课老师将每门课程的每个实践项目的实践报告以自然班为单位、按学号升序排列，装订成册，并附上一份该门课程的实践大纲。
实践项目名称：统计软件应用实践学时： 16同组学生姓名：沈璐倪怡君梅洁胥文娟实践地点： 7305、7307实践日期： 9.7-9.28 实践成绩：批改教师：吴远征批改时间：指导教师评阅：一、实践目的和要求统计软件应用是具有较强应用性的课程，实验教学对于完成本课程教学目标具有重要地位。
通过实验教学，训练学生熟练使用统计软件，掌握数据统计分析的基本步骤，为实际工作奠定基础。
在训练学生熟练使用统计软件的基础上，培养学生能够运用实际的统计数据和统计方法分析经济、金融问题，研究常见的金融活动中表现出的数量关系，提高学生运用经济、金融信息分析问题和解决问题的能力。
二、实践环境与条件课程所需要的软件《SPSS 18.0》、EXCEL等及运行软件所需要的计算机设备。
- 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)。
实验报告一课程___统计软件分析与应用学生姓名___ ______学号___________学院__数学与统计学院______ 专业_____ 统计学__________ 指导教师___________二Ｏ一四年三月十日1、打开帮助文档首页，并查阅其中的“introduction to R”> help.start()2、看一下你的软件中有哪些程序包> search()[1] ".GlobalEnv" "package:stats" "package:graphics"[4] "package:grDevices" "package:utils" "package:datasets"[7] "package:methods" "Autoloads" "package:base"3、载入程序包“emplik”> install.packages("emplik")然后选择镜像4、查看当前能访问的数据集列表> data()5、找到数据包“datasets”，并打开数据Orange，编辑数据，把修改后的数据存在onew 中> fix(Orange)> sink("D:/R/onew")> Orange> sink()6、显示数据集Orange的内容> OrangeTree age circumference1 1 118 302 1 484 583 1 664 874 1 1004 1155 1 1231 1206 1 1372 1427 1 1582 1458 2 118 339 2 484 6910 2 664 11111 2 1004 15612 2 1231 17213 2 1372 20314 2 1582 20315 3 118 3016 3 484 5117 3 664 7518 3 1004 10819 3 1231 11520 3 1372 13921 3 1582 14022 4 118 3223 4 484 6224 4 664 11225 4 1004 16726 4 1231 17927 4 1372 20928 4 1582 21429 5 118 3030 5 484 4931 5 664 8132 5 1004 12533 5 1231 14234 5 1372 17435 5 1582 1777、运行Orange 自带的示例> ?Orange starting httpd help server ... done> require(stats); require(graphics)> coplot(circumference ~ age | Tree, data = Orange, show.given = FALSE) > fm1 <- nls(circumference ~ SSlogis(age, Asym, xmid, scal),+ data = Orange, subset = Tree == 3)> plot(circumference ~ age, data = Orange, subset = Tree == 3,+ xlab = "Tree age (days since 1968/12/31)",+ ylab = "Tree circumference (mm)", las = 1,+ main = "Orange tree data and fitted model (Tree 3 only)")> age <- seq(0, 1600, length.out = 101)> lines(age, predict(fm1, list(age =age)))50010001500406080100120140Orange tree data and fitted model (Tree 3 only)Tree age (days since 1968/12/31)T r e e c i r c u m f e r e n c e (m m )8、显示命令”lm”自带的示例> ?Lm9、建立一个变量X，赋值为向量分量为1到10> x<-1:10> x[1] 1 2 3 4 5 6 7 8 9 1010、建立一个变量Y，赋值为向量2-20，且全为偶数。
y<-seq(2,20,2)> y[1] 2 4 6 8 10 12 14 16 18 2011、求向量X中所有数据的均值> mean(x)[1] 5.512、求向量Y中所有数据的均值> mean(y)[1] 1113、求这个向量X，Y中所有数据的均值> a<-c(x,y)> a[1] 1 2 3 4 5 6 7 8 9 10 2 4 6 8 10 12 14 16 18 20 > mean(a)[1] 8.2514、画关于数据X，Y的散点图，并在当前图上加上连接线> plot(x,y)> plot(x,y,type="l")246810510152x y246810510152x y15、显示你所定义的变量> ls()[1] "a" "ctl" "group" "lm.D9" "lm.D90" "opar" "trt" "weight"[9] "x" "y" "a"16、删除变量Y> rm(y)17、建立一个变量Z ，赋值为向量3.2，4.2，5.2，6.2> z<-c(3.2,4.2,5.2,6.2)> z[1] 3.2 4.2 5.2 6.218、定义z为X的前四个数即在z=(1,2,,3,4)>z<-x[1:4]> z[1] 1 2 3 419、Z中每个元素的以e为底的对数值> log(z)[1] 0.0000000 0.6931472 1.0986123 1.386294421、Z中各元素的正弦值> sin(z)[1] 0.8414710 0.9092974 0.1411200 -0.756802522、求值使得它的平方等于-17> sqrt(-17)[1] NaN23、变量r<-rnorm(20)，显示r，,求r的最大值，最小值，以及取值范围> r<-rnorm(20)> r[1] -1.0692477 0.9105421 -1.1211643 1.9187331 -0.3197184 -1.1331422 -0.1297310[8] -0.2526089 0.9941777 -0.5259946 0.1131596 1.4280643 0.4560638 -1.1988377[15] 1.3622017 -0.9726582 -1.7936976 1.6542267 1.2437757 0.4747459> max(r)[1] 1.918733> min(r)[1] -1.793698> range(r)[1] -1.793698 1.91873324、t<-rnorm(40), 显示t，对t 变量排序，从大到小> t<-rnorm(40)> t[1] -0.2670832 -1.0401581 0.5706880 1.5695349 -1.5690820 2.29252572.9650736[8] 0.6301941 -0.4208117 -0.5037243 1.0455926 0.5702032 0.4042575 0.4859722[15] -0.7256744 1.0271393 2.5225848 -0.4791973 -0.3687917 -0.1824528 -0.3619730[22] 0.2427025 -1.3023220 -2.4195959 0.9214635 0.4371514 0.0941338 -1.2573875[29] -0.0391432 -0.1379714 1.1886162 -0.7219681 0.7326512 -0.6338557 1.0715916[36] -0.8621995 1.2685845 0.5469610 -1.0772754 0.8161401> sort(t,decreasing=T)[1] 2.02142530 1.91562838 1.53469685 1.43885574 0.79778720 0.78902117[7] 0.58228504 0.56960206 0.46576359 0.45366005 0.40453543 0.37763874 [13] 0.34104963 0.33813041 0.25838519 0.18191518 0.05703162 -0.01967698 [19] -0.02151746 -0.03326609 -0.05493251 -0.06631020 -0.08530721 -0.17452125 [25] -0.19679555 -0.23479574 -0.33598317 -0.37910012 -0.38721287 -0.40621203 [31] -0.46855478 -0.47084477 -0.57244759 -0.62724050 -0.64578447 -0.76105801 [37] -1.05574427 -1.30903186 -1.49405612 -1.7188020625、建立变量A，它是一个矩阵4阶方阵，元素按行排列为1333，3233，3333，3334，求此矩阵的行列式的值，显示矩阵A的行数和列数，并得到它的转置矩阵B，求A和B的积，> d<-c(1,3,3,3,3,2,3,3,3,3,3,3,3,3,3,4)> A<-matrix(d,nrow=4,ncol=4,byrow=T)> A[,1] [,2] [,3] [,4][1,] 1 3 3 3[2,] 3 2 3 3[3,] 3 3 3 3[4,] 3 3 3 4> det(A)[1] 6> t(A)[,1] [,2] [,3] [,4][1,] 1 3 3 3[2,] 3 2 3 3[3,] 3 3 3 3[4,] 3 3 3 4> nrow(A)[1] 4> ncol(A)[1] 4> B<-A> B[,1] [,2] [,3] [,4][1,] 1 3 3 3[2,] 3 2 3 3[3,] 3 3 3 3[4,] 3 3 3 4> A*B[,1] [,2] [,3] [,4][1,] 1 9 9 9[2,] 9 4 9 9[3,] 9 9 9 9[4,] 9 9 9 1626、定义一个矩阵C对角元素依次为1，2，3，4其它全为0的四阶对角阵,并显示出来> C<-c(1,2,3,3)> diag(C)[,1] [,2] [,3] [,4][1,] 1 0 0 0[2,] 0 2 0 0[3,] 0 0 3 0[4,] 0 0 0 327、b 为（1，2，3，4）组成的向量，求Ax=b 的解x ，并显示出来 > b<-c(1,2,3,4)> solve(A,b)[1] 1 1 -2 128、画出（-3.14，3.14）内余弦函数的大致图像> g<-seq(-3.14,3.14,0.01)> h<-cos(g)>plot(g,h,type=”1”-3-2-10123-1.0-0.5.0.51.gh )。