R语言实验报告—习题详解
R语言实验报告
习题详解
学院：
班级：
学号：
姓名：
导师：
成绩：
目录
一、实验目的 (1)
二、实验内容 (1)
1.1问题叙述 (1)
1.2问题求解 (1)
1.2.1创建按列、行输入的4×5矩阵； (1)
1.2.2编写程序求解 (1)
1.3结果展示 (3)
2.1问题叙述 (3)
2.2问题求解 (4)
2.2.1创建StudentData数据框 (4)
2.2.2运行程序求解 (4)
2.3结果展示 (4)
3.1问题叙述 (4)
3.2问题求解 (5)
3.2.1运用hist函数绘制直方图； (5)
3.2.2运用lines函数绘制密度估计曲线； (5)
3.2.3运用plot函数绘制经验分布图； (5)
3.2.4运用qqnorm函数绘制QQ图 (5)
3.3结果展示 (5)
4.1问题叙述 (8)
4.2问题求解 (8)
4.2.1创建x、y数据框 (8)
4.2.2运用t.test函数求解 (8)
4.3结果展示 (8)
5.1问题叙述 (9)
5.2问题求解 (9)
5.2.1创建x、y数据框 (9)
5.2.2运用t.test函数求解 (9)
5.3结果展示 (9)
6.1问题叙述 (9)
6.2问题求解 (10)
6.2.1创建x数据框 (10)
6.2.2运用pnorm函数求解 (10)
6.3结果展示 (10)
三、实验总结 (10)
一、实验目的
R是用于统计分析、绘图的语言和操作环境。
R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具；
本次试验要求掌握了解R语言的各项功能和函数，能够通过完成试验内容对R语言有一定的了解，会运用软件对数据进行分析；
通过本实验加深对课本知识的理解以及熟练地运用R语言软件来解决一些复杂的问题。
二、实验内容
1.1问题叙述
将1,2，…，20构成两个4×5阶的矩阵，其中矩阵A是按列输入，矩阵B 是按行输入，并做如下运算.
C=A+B;
D=A*B;
F是由A的前3行和前3列构成的矩阵;
G是由矩阵B的各列构成的矩阵，但不含B的第3列.
1.2问题求解
1.2.1创建按列、行输入的4×5矩阵；
1.2.2编写程序求解
1.3结果展示
2.1问题叙述
已知有5名学生的数据，如下表所示.用数据框的形式读入数据.
学生数据
2.2问题求解
2.2.1创建StudentData数据框
2.2.2运行程序求解
2.3结果展示
3.1问题叙述
某单位对100名女生测定血清总蛋白含量（g/L）,数据如下：
绘制上述数据的直方图、密度估计曲线、经验分布图和QQ图.
3.2问题求解
3.2.1运用hist函数绘制直方图；
3.2.2运用lines函数绘制密度估计曲线；
3.2.3运用plot函数绘制经验分布图；
3.2.4运用qqnorm函数绘制QQ图
3.3结果展示
直方图
密度估计曲线
经验分布图
the histogram of serumdata
age
f r e q u e n c y
65707580
85
0.000.020.040.060.080.1
the histogram of serumdata
age
f r e q u e n c y
6570758085
0.000.020.040.060.080.10
QQ 图
6570758085
0.00.20.4
0.60.81.0
ecdf(serumdata)
x
F n (x
)
-2-1012
6570758085
Normal Q-Q Plot
Theoretical Quantiles
S a m p l e Q u a n t i l e s
4.1问题叙述
甲、乙两种稻谷分别播种在10块试验田中，每块实验田甲乙稻谷各种一半.假设两稻谷产量X ，Y 均服从正态分布，且方差相等.收获后10块试验田的产量如下所示（单位：千克）
求出两稻种产量的期望差
12μμ- 的置信区间（0.05α= ）.
4.2问题求解
4.2.1创建x 、y 数据框
4.2.2运用t.test 函数求解
4.3结果展示
由以上程序运行得两稻种产量的期望差12μμ-的95%置信区间为 [ 7.53626, 20.06374].
5.1问题叙述
甲乙两组生产同种导线，现从甲组生产的导线中随机抽取4根，从乙组生产的导线中随机抽取5根，它们的电阻值（单位：Ω ）分别为
假设两组电阻值分别服从正态分布222
12(,)(,)N N μσμσσ和， 未知.试求12
μμ-的置信区间系数为0.95的区间估计.
5.2问题求解
5.2.1创建x 、y 数据框
5.2.2运用t.test 函数求解
5.3结果展示
Two Sample t-test
data: x and y
t = 1.198, df = 7, p-value = 0.2699
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.001996351 0.006096351
sample estimates:
mean of x mean of y
0.14125 0.13920
由以上程序运行甲乙两电阻的期望差
12μμ-的95%置信区间为
[-0.001996351， 0.006096351]. 6.1问题叙述
已知某种灯泡寿命服从正态分布，在某星期所生产的该灯泡中随机抽取10只，测得其寿命（单位：小时）为
1067 919 1196 785 1126 936 918 1156 920 948
求这个星期生产出的灯泡能使用1000小时以上的概率.
6.2问题求解
6.2.1创建x数据框
6.2.2运用pnorm函数求解
6.3结果展示
由以上程序运行得，x<=1000的概率为0.509,故x大于1000的概率为0.491.
三、实验总结
在R语言实验学习中，通过实验操作可使我们加深对理论知识的理解，学习和掌握R语言的基本方法，并能进一步熟悉和掌握R软件的操作方法，培养我们分析和解决实际问题的基本技能，提高我们的综合素质.。
大数定律和中心极限定理的r语言实验报告
大数定律和中心极限定理是概率论中的两个重要概念。
大数定律描述了在独立重复试验中，当试验次数趋于无穷时，某一事件发生的频率趋于其概率。
中心极限定理则指出，无论试验中的个体之间的差异有多大，当试验次数足够多时，试验结果的平均值将接近正态分布。
以下是一个简单的R语言实验报告，用于演示大数定律和中心极限定理。
大数定律和中心极限定理的R语言实验
实验目的：通过模拟实验，观察大数定律和中心极限定理的现象。
实验原理：
1.大数定律：在大量独立重复试验中，某一事件的相对频率趋近于该事件的概率。
2.中心极限定理：无论个体之间的差异有多大，当试验次数足够多时，试验结果的平均值将接近正态分布。
实验步骤：
1.生成1000个0到1之间的随机数，模拟1000次掷硬币试验（正面概率为0.5）。
2.计算正面朝上的频率。
3.使用R语言绘制频率直方图和正态分布曲线。
4.重复步骤1-3多次（例如100次），观察频率的稳定性。
5.计算100次试验中每次试验得分的平均值的频数分布，并绘制直方图和正态分布曲线。
实验结果：
1.正面朝上的频率逐渐稳定于0.5。
2.频率直方图接近正态分布。
3.平均值的频数分布也接近正态分布。
实验分析：
实验结果验证了大数定律和中心极限定理。
在大量独立重复试验中，正面朝上的频率趋近于0.5，符合大数定律。
同时，试验结果的平均值分布接近正态分布，符合中心极限定理。
结论：通过R语言模拟实验，我们观察到了大数定律和中心极限定理的现象，加深了对这两个定理的理解。
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。
R语言实验
精心整理实验8假设检验（二）一、实验目的：1.掌握若干重要的非参数检验方法（ 2检验——列联表独立性检验，Mcnemar检验——对一个样本两种研究方法是否有差异的检验，符号检验，Wilcoxon 符号秩检验，Wilcoxon秩和检验）；2.掌握另外两个相关检验：Spearman秩相关检验，Kendall秩相关检验。
二、实验内容：练习：要求：①完成练习并粘贴运行截图到文档相应位置(截图方法见下)，并将所有自己输入文字的字体颜色设为红色（包括后面的思考及小结），②回答思考题，③简要书写实验小结。
④修改本文档名为“本人完整学号姓名1”，其中1表示第1次实验，以后更改为2,3,...。
如文件名为“09张立1”，表示学号为09的张立同学的第1次实验，注意文件名中没有空格及任何其它字符。
最后连同数据文件、源程序文件等（如果有的话，本次实验没有），一起压缩打包发给课代表，压缩包的文件名同上。
截图方法：法1：调整需要截图的窗口至合适的大小，并使该窗口为当前激活窗口（即该窗口在屏幕最前方），按住键盘Alt键（空格键两侧各有一个）不放，再按键盘右上角的截图键（通常印有“印屏幕”或“PrScrn”等字符），即完成截图。
再粘贴到word文档的相应位置即可。
法2：利用QQ输入法的截屏工具。
点击QQ输入法工具条最右边的“扳手”图标，选择其中的“截屏”工具。
）1.自行完成教材第五章的例题。
2.（习题5.11）为研究分娩过程中使用胎儿电子监测仪对剖腹产率有无影响，对5824例分娩的经产妇进行回顾性调查，结果如下表所示，试进行分析。
5824例经产妇回顾性调查结果HHP=9.552e-10<0.05,拒绝原假设，分娩过程中使用胎儿电子监测仪对剖腹产率有影响3.（习题5.12）在高中一年级男生中抽取300名考察其两个属性：B是1500米长跑，C是每天平均锻炼时间，得到4×3列联表，如下表所示。
试对 =0.05，检验B 与C是否独立。
R语言综合实验报告
学号：2013310200629姓名：王丹学院：理学院专业：信息与计算科学成绩：日期：年月日基于工业机器人能否准确完成操作的时间序列分析摘要：时间序列分析是预测领域研究的重要工具之一,它描述历史数据随时间变化的规律,并用于预测数据。
本文首先介绍了一些常用的时间序列模型，包括建模前对数据的预处理、模型的识别以及模型的预测等。
通过多种方法分析所得到的数据，实现准确建模，可以得出正确的结论。
关键词:自回归(AR)模型，滑动平均(MA)模型，自回归滑动平均(ARMA)模型，ARMA最优子集一、问题提出，问题分析随着社会日新月异的发展，不断创新的科技为我们的生活带来了越来越多的便利。
机器人也逐渐走向了我们的生活，工厂里使用机器人去工作也可以大大减少生产成本，但为了保证产品质量，工厂使用的机器人应该多次测试，确保动作准确无误。
现有一批数据，包含了来自工业机器人的时间序列（机器人需要完成一系列的动作，与目标终点的距离以英寸为单位被记录下来，重复324次得到该时间序列），对于这些离散的数据，我们期望从中发掘一些信息，以便对机器人做更好的改进或者确定机器人是否可以投入使用。
但我们从中并不能看出什么，需要借助工具做一些处理，对数据进行分析。
时间序列分析是通过直观的数据比较或作图观测,去寻找序列中包含的变化规律,这种分析方法称为描述性时序分析。
在物理、天文、海洋学等科学领域,这种描述性时序分析方法经常能够使人们发现一些意想不到的规律,操作起来十分简单而且直观有效,因此从史前到现在一直被人们广泛使用,它也是我们进行统计时序分析的第一步。
我们将利用自回归(AR)模型、滑动平均(MA)模型以及自回归滑动平均(ARMA)模型去解决遇到的问题。
二、数据描述和初步分析下面是我们接收到的数据，数据来源：/~kchan/TSA.htm0.0011 0.0011 0.0024 0.0000 -0.0018 0.0055 0.0055 -0.00150.0047 -0.0001 0.0031 0.0031 0.0052 0.0034 0.0027 0.00410.0041 0.0034 0.0067 0.0028 0.0083 0.0083 0.0030 0.00320.0035 0.0041 0.0041 0.0053 0.0026 0.0074 0.0011 0.0011-0.0001 0.0008 0.0004 0.0000 0.0000 -0.0009 0.0038 0.00540.0002 0.0002 0.0036 -0.0004 0.0017 0.0000 0.0000 0.00470.0021 0.0080 0.0029 0.0029 0.0042 0.0052 0.0056 0.00550.0055 0.0010 0.0043 0.0006 0.0013 0.0013 0.0008 0.00230.0043 0.0013 0.0013 0.0045 0.0037 0.0015 0.0013 0.00130.0029 0.0039 -0.0018 0.0016 0.0016 -0.0003 0.0000 0.00090.0017 0.0017 0.0030 -0.0001 0.0070 -0.0008 -0.0008 0.00090.0025 0.0031 0.0002 0.0002 0.0022 0.0020 0.0003 0.00330.0033 0.0044 -0.0010 0.0048 0.0019 0.0019 0.0031 0.00200.0017 0.0014 0.0014 0.0039 0.0052 0.0020 0.0012 0.00120.0031 0.0022 0.0040 0.0038 0.0038 0.0007 0.0016 0.00240.0003 0.0003 0.0057 0.0006 0.0009 0.0040 0.0040 0.00350.0032 0.0068 0.0028 0.0028 0.0048 0.0035 0.0042 -0.0020-0.0020 0.0023 -0.0011 0.0062 -0.0021 -0.0021 0.0000 -0.0019-0.0005 0.0048 0.0048 0.0027 0.0009 -0.0002 0.0079 0.00790.0017 0.0034 0.0030 0.0025 0.0025 0.0004 0.0031 0.0057-0.0003 -0.0003 0.0006 0.0018 0.0022 0.0042 0.0042 0.0055-0.0005 -0.0053 0.0028 0.0028 0.0005 0.0036 0.0017 -0.0043-0.0043 0.0066 -0.0016 0.0055 -0.0011 -0.0011 -0.0049 0.00470.0056 0.0057 0.0057 -0.0002 0.0056 0.0037 0.0012 0.00120.0018 -0.0025 -0.0011 0.0027 0.0027 0.0039 0.0058 0.00030.0040 0.0040 0.0042 0.0000 0.0056 -0.0029 -0.0029 -0.00260.0016 0.0019 0.0015 0.0015 0.0007 0.0007 -0.0044 -0.0030-0.0030 0.0013 0.0029 -0.0010 0.0009 0.0009 -0.0016 0.00000.0000 0.0014 0.0014 -0.0003 0.0009 -0.0068 0.0003 0.0003-0.0012 0.0037 -0.0019 0.0023 0.0023 -0.0033 -0.0002 -0.00100.0021 0.0021 0.0026 -0.0002 0.0011 0.0028 0.0028 -0.00040.0026 -0.0015 0.0002 0.0002 0.0018 -0.0005 0.0004 -0.0008-0.0008 0.0018 0.0019 0.0029 -0.0022 -0.0022 0.0010 -0.00330.0020 0.0000 0.0000 0.0003 0.0007 -0.0009 -0.0035 -0.00350.0010 0.0007 0.0028 -0.0008 -0.0008 -0.0034 -0.0010 -0.0018-0.0021 -0.0021 -0.0006 -0.0018 -0.0046 -0.0017 -0.0017 -0.0001-0.0029 0.0020 -0.0049 -0.0049 -0.0021 -0.0027 -0.0018 -0.0015-0.0015 0.0051 -0.0002 0.0000 -0.0006 -0.0006 -0.0012 0.00120.0000 0.0021 0.0021 -0.0001 0.0022 0.0055 -0.0010 -0.00100.0048 0.0006 0.0026 0.0004 0.0004 0.0000 0.0000 0.00080.0044 0.0044 0.0002 0.0036这一群数目庞大的数据，以我们直观的判断，它们错综复杂，且毫无规律可言，根本不能从中得到有用的消息。
r语言编程实验报告总结
r语言编程实验报告总结
本次实验主要是对R语言编程的学习和掌握进行实践操作，通过实验了解R语言的基本语法和数据结构，掌握R语言的编程方法和数据分析技巧。
在实验中，我们学习了R语言的基础知识，如基本数据类型、变量、运算符、数据结构等。
同时，我们也学习了R语言的控制结构，如条件语句、循环语句等，这些控制结构可以帮助我们更好地控制程序的执行。
除此之外，我们还学习了R语言的函数和包的使用，在实验中我们使用了一些常用的包，如ggplot2包和dplyr包，这些包可以帮助我们更加方便地进行数据分析和绘图。
同时，我们也学习了如何自己编写函数，并且熟练掌握了函数的调用和参数传递。
通过实验，我们还学习了如何进行数据处理和数据分析，包括数据的读取和写入、数据的清洗和转换、数据的统计分析和可视化等等。
我们使用R语言对一些真实数据进行了处理和分析，这些数据包括房价、气温、人口等等。
在实验中，我们遇到了一些问题，如代码错误、数据异常等等，但是通过对问题的分析和解决，我们不断提升了自己的编程能力和数据分析技能。
综上所述，通过本次实验，我们深入了解了R语言的编程方法和数据分析技巧，掌握了一些常用的包和函数，并且在实践中熟悉了数据处理和分析的整个过程，这对我们今后的学习和工作都具有重要的
意义。
R语言实验十
实验十判别分析、聚类分析与主成分分析【实验类型】验证性【实验学时】2 学时【实验目的】1、掌握判别分析的基本原理及三种重要的判别法的使用条件；2、掌握聚类分析的基本原理及聚类方法的划分方法；3、掌握主成分分析的使用条件及其与逐步回归、岭估计的区别与联系。
【实验内容】1、判别分析的计算及其结果解释；2、聚类分析的计算及其结果解释；3、主成分分析的计算及其结果解释。
【实验结果】第一部分、课件例题：（第九章 1-3 节中的所有例题）#例9.1 的求解：# 按矩阵和因子形式输入数据train<-matrix(c(24.8, 24.1, 26.6, 23.5, 25.5, 27.4, 22.1, 21.6,22.0, 22.8, 22.7, 21.5, 22.1, 21.4, -2.0, -2.4, -3.0, -1.9, -2.1, -3.1, -0.7, -1.4, -0.8, -1.6, -1.5, -1.0, -1.2, -1.3), ncol=2)sp<-factor(rep(1:2, c(6,8)), labels=c("Have", "No"))library(MASS); lda.sol<-lda(train, sp) #判别分析tst<-c(23.5, -1.6); predict(lda.sol, tst)$class #预测table(sp, predict(lda.sol)$class) #回代预测的结果是无春旱；回代的结果说明，原本有6个春旱的年份只判断对了5个。
## 使用二次判别函数qda.sol<-qda(train, sp)predict(qda.sol, tst)$class #预测table(sp, predict(qda.sol)$class) #回代二次判别预测的结果是有春旱，这与前面线性判别的预测结果不同；从回代结果来看，可能是有春早更合理一些，因为二次判别的回代正确率是100%。
R语言 实验七
实验7 假设检验（一）一、实验目的：1.掌握重要的参数检验方法（单个总体的均值检验，两个总体的均值检验，成对样本的均值的检验，两个总体方差的检验，二项分布总体的检验）；2.掌握若干重要的非参数检验方法（Pearson拟合优度 2检验，Kolmogorov-Smirnov单样本和双样本检验）。
二、实验内容：练习：要求：①完成练习并粘贴运行截图到文档相应位置(截图方法见下)，并将所有自己输入文字的字体颜色设为红色（包括后面的思考及小结），②回答思考题，③简要书写实验小结。
④修改本文档名为“本人完整学号姓名1”，其中1表示第1次实验，以后更改为2,3,...。
如文件名为“1305543109张立1”，表示学号为1305543109的张立同学的第1次实验，注意文件名中没有空格及任何其它字符。
最后连同数据文件、源程序文件等（如果有的话，本次实验没有），一起压缩打包发给课代表，压缩包的文件名同上。
截图方法：法1：调整需要截图的窗口至合适的大小，并使该窗口为当前激活窗口（即该窗口在屏幕最前方），按住键盘Alt键（空格键两侧各有一个）不放，再按键盘右上角的截图键（通常印有“印屏幕”或“Pr Scrn”等字符），即完成截图。
再粘贴到word文档的相应位置即可。
法2：利用QQ输入法的截屏工具。
点击QQ输入法工具条最右边的“扳手”图标，选择其中的“截屏”工具。
）1.自行完成教材第五章的例题。
2.（习题5.1）正常男子血小板计数均值为225 × 109/L,今测得20名男性油漆作业工人的血小板计数值（单位：109/L）220 188 162 230 145 160 238 188 247 113126 245 164 231 256 183 190 158 224 175 问油漆工人的血小板计数与正常成年男子有无差异？解：提出假设：H0：油漆工人的血小板计数与正常成年男子无差异H1：油漆工人的血小板计数与正常成年男子有差异源代码及运行结果：（复制到此处，不需要截图）>x<-c(220 ,188, 162, 230, 145, 160, 238, 188, 247, 113,126, 245, 164, 231, 256, 183, 190, 158, 224, 175)>t.test(x,mu=225)结论：One Sample t-testdata: xt = -3.4783, df = 19, p-value = 0.002516alternative hypothesis: true mean is not equal to 22595 percent confidence interval:172.3827 211.9173sample estimates:mean of x192.15P=0.002516<0.05,拒绝原假设，认为油漆工人的血小板计数与正常成年男子有差异3.（习题5.2）已知某种灯泡寿命服从正态分布，在某星期所生产的该灯泡中随机抽取10 只，测得其寿命（单位：小时）为1067 919 1196 785 1126 936 918 1156 920 948求这个星期生产出的灯泡能使用1000小时以上的概率。
R语言实验报告
R语言实验报告一、试验目的R是用于统计分析、绘图的语言和操作环境。
R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
本次试验要求掌握了解R语言的各项功能和函数，能够通过完成试验内容对R语言有一定的了解，会运用软件对数据进行分析。
二、试验环境Windows系统，RGui（32-bit）三、试验内容模拟产生电商专业学生名单(学号区分)，记录高数、英语、网站开发三科成绩，然后进行统计分析。
假设有的100名学生，起始学号为210222001，各科成绩取整，高数成绩为均匀分布随机数，都在75分以上。
英语成绩为正态分布，平均成绩80，标准差为7。
网站开发成绩为正态分布，平均成绩83，标准差为18。
把正态分布中超过100分的成绩变成100分。
1把上述信息组合成数据框，并写到文本文件中;2计算各种指标:平均分，每个人的总分，最高分，最低分，（使用apply函数）3求总分最高的同学的学号4绘各科成绩直方图、散点图、柱状图丶饼图丶箱尾图（要求指定颜色和缺口）5画星相图，解释其含义6画脸谱图，解释其含义，7画茎叶图、qq图四、试验实现（一）按要求随机生成学号，和对于的高数、英语、网站开发三科成绩。
A、生成学号B、生成高数成绩高数成绩要求：高数成绩为均匀分布随机数，都在75分以上均匀分布函数：runif(n,min=0,max=1)其中，n为产生随机值个数（长度），min为最小值，max为最大值。
C、生成英语成绩英语成绩要求：正态分布，平均成绩80，标准差为7正态分布函数：rnorm(n,mean=0,sd=1)其中，n为产生随机值个数（长度），mean是平均数，sd是标准差。
D、生成网站开发成绩网站开发成绩要求：网站开发成绩为正态分布，平均成绩83，标准差为18。
其中大于100的都记为100。
（二）把上述信息组合成数据框，并写到文本文件中;计算各种指标:平均分，每个人的总分，最高分，最低分，（使用apply函数）A、生成文本文件B、打开数据框C、在数据框中命名变量D、计算各种指标:平均分，每个人的总分，最高分，最低分平均分（x4）：总分(x5)：最低分(x6)：最高分(x7)：（三）将生成成绩写入文本文件中（四）求总分最高的同学的学号（五）绘各科成绩直方图、散点图、柱状图丶饼图丶箱尾图（要求指定颜色和缺口）直方图散点图柱状图饼图箱尾图（要求指定颜色和缺口）（六）画星相图，解释其含义（七）画脸谱图，解释其含义（八）画茎叶图（九）qq图五、试验总结 这次试验是我第一次接触R 语言，刚开始遇到了很多困难，对于R语言一窍不通，后来经过老师的悉心指导，以及自己积极的去查找资料，对R语言有了进一步的了解。
R语言实验报告
实验目的：
熟悉R软件的使用。
实验内容
1.R,Rstudio以及有关packages的安装。
2.查询已安装的packages，查询函数lm()的帮助
3.对前四章的样例程序运行
4.创建各类数据结构，并总结其特点创建向量
b<-c("one","two","three")
创建数组
x<-array(1:20,dim=c(4,5))
创建矩阵
A<-matrix(1:20,nrow=4,ncol=5,byrow=TRUE)
创建数据框
df<-data.frame(
Name=c("Alice","B","J","JE","JO"),
Sex=c("F","F","M","M","M"),
Age=c(13,13,12,13,12),
Height=c(56.5,65.5,57.3,62.5,59.0),
Weight=c(84.0,98.0,83.0,84.0,99.5) );df
创建列表
Lst<-list(names="Fred",wife="Mary",no.chiidren=3,child.age=c(4,7,9))
Lst
5.导入导出文本格式以及excle表格数据，将默认的数据，iris进行多种数据操作并保存到文件
（注：可编辑下载，若有不当之处，请指正，谢谢!）。
R语言实验报告
实验目的1. 用R生成服从某些具体已知分布的随机变量二、实验内容在R中各种概率函数都有统一的形式，即一套统一的前缀+分布函名: d表示密度函数(density )；p 表示分布函数(生成相应分布的累积概率密度函数)；q表示分位数函数，能够返回特定分布的分位( quantile )；r表示随机函数，生成特定分布的随机数( random)。
R中的各种概率统计分布汉文名称英文名称R対应的乳字附加参数B分布beta beta shapely shape2, nep二项式分布binomial binom size, prob柯阿分布Cauchy cauchy location, scale忖方分布匚hi-squared chisq elf# nep指数分布exponential exp rateF分布F f dfl f dfl, nepGamma(¥)分布gamma gamma shape, scale几何分布geometric geom prob超几何分布hypergeometric hyper m, n, k对数币态分布log-normml Inorm meanlog, sdlogLogistic 分布logistic logis Io匚ation, scale血二项式分布negative binomial rib inom size, prob正态分布normal norm mean, sd泊松分布Poisson pois lambdaWilcoxon signed rank signrank nt分布Student's t t df# nep|均匀分布uniform unif min f max韦伯分布Weibull weibull shape, scale怯和分布Wilcoxon wilcox m# n1、通过均匀分布随机数生成概率分布随机数的方法称为逆变换法。
对于任意随机变量X，其分布函数为F,定义其广义逆为：F-(u)=inf{x;F(x) > u}若u~u (0,1)，贝U F-(u)和X的分布一样Example 1如果X~Exp (1)(服从参数为 u~u(0,1)，则 X=-logU~Exp(1) 则可以解出x=-log(1-u)Exp from Uniform通过随机数生成产生的分布与本身的指数分布结果相一致R代码如下：nsim = 10A 4U = runif(nsim) X = -log(U)Y = rexp(nsim) X11(h=3.5)Xpar(mfrow=c(1,2),mar=c(2,2,2,2))hist(X,freq=F,main="Exp from Uniform",ylab="",xlab="",ncl=150,col="grey",xlim=c(0,8)) curve(dexp(x),add=T,col="sienna",lwd=2)hist(Y,freq=F,main="Exp from R",ylab="",xlab="",ncl=150,col="grey",xlim=c(0,8)) curve(dexp(x),add=T,col="sienna",lwd=2)2、某些随机变量可由指数分布生成。