当前位置：文档之家 › R语言 实验七

R语言 实验七

  • 格式：doc
  • 大小：111.00 KB
  • 文档页数：13

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）

220 188 162 230 145 160 238 188 247 113

126 245 164 231 256 183 190 158 224 175

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-test

data: x

t = -3.4783, df = 19, p-value = 0.002516

alternative hypothesis: true mean is not equal to 225

95 percent confidence interval:

172.3827 211.9173

sample estimates:

mean of x

192.15

P=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。

解：

源代码及运行结果：（复制到此处，不需要截图）

> x<-c(1067, 919, 1196, 785, 1126, 936, 918, 1156, 920, 948)

> p<-pnorm(1000,mean(x),sd(x))

> 1-p

[1] 0.4912059

结论：

这个星期生产出的灯泡能使用1000小时以上的概率为0.4912059

4. （习题5.3）为研究某铁剂治疗和饮食治疗營养性缺铁性贫血的效果，将16名患者按年龄、体重、病程和病情相近的原则配成8对，分别使用饮食疗法和补充铁剂治疗的方法，3个月后测得两种患者血红资白如下表所示，问两种方法治疗后的患者血红蛋白有无差异？

铁剂和饮食两种方法治疗后患者血红蛋白值 (g/L)

铁剂治疗组 113 120 138 120 100 118 138 123

饮食治疗组 138 116 125 136 110 132 130 110

解：提出假设：

H0：两种方法治疗后的患者血红蛋白无差异

H1：两种方法治疗后的患者血红蛋白有差异

源代码及运行结果：（复制到此处，不需要截图）

> x<-c(113,120,138,120,100,118,138,123)

> y<-c(138,116,125,136,110,132,130,110)

> t.test(x,y,paired=T)

Paired t-test

data: x and y

t = -0.65127, df = 7, p-value = 0.5357

alternative hypothesis: true difference in means is not equal to 0

95 percent confidence interval:

-15.628891 8.878891

sample estimates:

mean of the differences

-3.375

结论：

p=0.5357>0.05,不拒绝原假设，两种方法治疗后的患者血红蛋白无差异

5. （习题5.4）为研究国产四类新药阿卡波糖股嚢效果，某医院用40 名Ⅱ型糖尿病病人进行同期随机对照实验。试验者将这些病人随机等分到试验组（阿卡波糖股嚢组）和对照组（拜唐苹股嚢组），分别测得试验开始前和8周后空腹血糖，算得空腹血糖下降值，如下所示。能否认为国产四类新药阿卡波糖股嚢与拜唐苹股嚢对空腹血糖的降糖效果不同？

试验组与对照组空腹腔血糖下降值（mmol/L)

试验组 -0.70 -5.60 2.00 2.80 0.70 3.50 4.00 5.80 7.10 -0.50

(n1 = 20) 2.50 -1.60 1.70 3.00 0.40 4.50 4.60 2.50 6.00 -1.40

对照组 3.70 6.50 5.00 5.20 0.80 0.20 0.60 3.40 6.60 -1.10

(n2 = 20) 6.00 3.80 2.00 1.60 2.00 2.20 1.20 3.10 1.70 -2.00

（1）检验试验组和对照组的的数据是否来自正态分布，采用正态性W检验方法（见第3章）、Kolmogorov-Smirnov检验方法和Pearson拟合优度2检验；

解：提出假设：

H0：认为国产四类新药阿卡波糖股嚢与拜唐苹股嚢对空腹血糖的降糖效果不同

H1：认为国产四类新药阿卡波糖股嚢与拜唐苹股嚢对空腹血糖的降糖效果相同

①正态性W检验方法

源代码及运行结果：（复制到此处，不需要截图）

>x<-c(-0.70,-5.60,2.00,2.80,0.70,3.50,4.00,5.80,7.10,-0.50,2.50,-1.60,1.70,3.00,0.40,4.50,4.60,2.50,6.00,-1.4)

> shapiro.test(x)

Shapiro-Wilk normality test

data: x

W = 0.9699, p-value = 0.7527

>y<-c(3.70,6.50,5.00,5.20,0.80,0.20,0.60,3.40,6.60,-1.10,6.00,3.80,2.00,1.60,2.00,2.20,1.20,3.10,1.70,-2.00)

> shapiro.test(y)

Shapiro-Wilk normality test

data: y

W = 0.97098, p-value = 0.7754

结论：

试验组p=0.7527>0.05,对照组p=0.7754>0.05,所以检验试验组和对照组的的数据是来自正态分布

②Kolmogorov-Smirnov检验方法

源代码及运行结果：（复制到此处，不需要截图）

> ks.test(x,"pnorm",mean(x),sd(x))

One-sample Kolmogorov-Smirnov test

data: x

D = 0.10652, p-value = 0.9771

alternative hypothesis: two-sided

Warning message:

In ks.test(x, "pnorm", mean(x), sd(x)) :

Kolmogorov - Smirnov检验里不应该有连结

> ks.test(y,"pnorm",mean(y),sd(y))

One-sample Kolmogorov-Smirnov test

data: y

D = 0.11969, p-value = 0.9368

alternative hypothesis: two-sided

Warning message:

In ks.test(y, "pnorm", mean(y), sd(y)) :

Kolmogorov - Smirnov检验里不应该有连结

结论：

试验组p=0.9771>0.05,对照组p=0.9368>0.05,所以检验试验组和对照组的的数据是来自正态分布

③Pearson拟合优度2检验

源代码及运行结果：（复制到此处，不需要截图）

>x<-c(-0.70,-5.60,2.00,2.80,0.70,3.50,4.00,5.80,7.10,-0.50,2.50,-1.60,1.70,3.00,0.40,4.50,4.60,2.50,6.00,-1.4)

> A<-table(cut(x,br=c(-6,-3,0,3,6,9)))

> p<-pnorm(c(-3,0,3,6,9),mean(x),sd(x))

> p

[1] 0.04894712 0.24990009 0.62002288 0.90075856 0.98828138

> p<-c(p[1],p[2]-p[1],p[3]-p[2],p[4]-p[3],1-p[4])

> p

[1] 0.04894712 0.20095298 0.37012278 0.28073568 0.09924144

合集下载

R语言实验

R语言实验

精心整理

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。 精心整理

精心整理 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

剖腹产 胎儿电子监测仪 合计

使用 未使用

是 358 229 587

否 2492 2745 5237

合计 2850 2974 5824

解：提出假设：

H0：分娩过程中使用胎儿电子监测仪对剖腹产率无影响

【R语言学习笔记】7.将数据划分为训练集、验证集和测试集

【R语言学习笔记】7.将数据划分为训练集、验证集和测试集

【R语⾔学习笔记】7.将数据划分为训练集、验证集和测试集

1. ⽬的：介绍将数据集划分为训练集、验证集和测试集的⽅法。

2. 数据来源：github

3. 此博客主要介绍划分数据的⽅法，因此不对变量做过多介绍。

4. 划分⽅法

4.1 将变量划分为训练集、验证集和测试集

Method 1：

## partitioning into training (50%), validation (30%), and test (20%) sets

# randomly sample 50% of the row IDs for training

train.rows <- sample(rownames(housing.df), dim(housing.df)[1]*0.5)

# sample 30% of the row IDs into the validation set, drawing only from records not already in the training set

# use setdiff() to find records not already in the training set

valid.rows <- sample(setdiff(rownames(housing.df), train.rows), dim(housing.df)[1]*0.3)

# assign the remaining 20% row IDs serve as test

test.rows <- setdiff(rownames(housing.df), union(train.rows, valid.rows))

# create the 3 data frames by collecting all columns from the appropriate rows

housing.train <- housing.df[train.rows, ]

R语言实验报告

R语言实验报告

部分内容来源于网络，有侵权请联系删除! 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 rate

F分布 F f dflf dfl, nep

Gamma(¥)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, sdlog

Logistic 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 lambda

Wilcoxon signed rank signrank n

t分布 Student's t t df# nep

|均匀分布 uniform unif minf max

韦伯分布 Weibull weibull shape, scale

怯和分布 Wilcoxon wilcox m# n

R语言实验指导书(二)

R语言实验指导书(二)

实用标准文档

文案大全

R语言实验指导书（二）

2016年10月27日

实用标准文档

文案大全

实验三 创建和使用R语言数据集

一、 实验目的：

1. 了解R语言中的数据结构。

2. 熟练掌握他们的创建方法，和函数中一些参数的使用。

3. 对创建的数据结构进行，排序、查找、删除等简单的操作。

二、 实验容：

1. 向量的创建及因子的创建和查看

有一份来自澳大利亚所有州和行政区的20个税务会计师的信息样本1

以 及他们各自所在地的州名。州名为：tas, sa, qld, nsw, nsw, nt, wa, wa,

qld, vic, nsw, vic, qld, qld, sa, tas, sa, nt, wa, vic。

1) 将这些州名以字符串的形式保存在state当中。

2) 创建一个为这个向量创建一个因子statef。

3) 使用levels函数查看因子的水平。 实用标准文档

文案大全 2. 矩阵与数组。

i.

创建一个4*5的数组如图，创建一个索引矩阵如图，用这个索引矩阵访问数组，观察结果。

实用标准文档

文案大全

3. 将之前的state，数组，矩阵合在一起创建一个长度为3的列表。

4. 创建一个数据框如图。 实用标准文档

文案大全

5. 将这个数据框按照mpg列进行排序。

6. 访问数据框中drat列值为3.90的数据。

三、 实验要求

要求学生熟练掌握向量、矩阵、数据框、列表、因子的创建和使用。实用标准文档

文案大全

实验四 数据的导入导出

一、 实验目的

1. 熟练掌握从一些包中读取数据。

2. 熟练掌握csv文件的导入。

3. 创建一个数据框，并导出为csv格式。

二、 实验容

1. 创建一个csv文件（容自定），并用readtable函数导入该文件。

2. 查看R语言自带的数据集airquality（纽约1973年5-9月每日空气质量）。

3. 列出airquality的前十列，并将这前十列保存到air中。