R语言实验

实验4 R绘图（一）

一、实验目的：

1.掌握描述性统计分析中常用的统计量；

2.掌握R语言绘制直方图、密度估计曲线、经验分布图和QQ图的方法；

3.掌握R语言绘制茎叶图、箱线图的方法；

4.掌握W检验方法和K-S检验方法完成数据的正态分布检验。

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“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P107页开始的节中的例题。

2.以前在做实验1的练习时，我们画过直方图。当时的题目是这样的：

利用hist()函数画直方图。

> X<-c(35,40,40,42,37,45,43,37,44,42,41,39)

> hist(X)

这次实验先重新运行以上命令后，接着运行以下命令：

> windows() #R作图会覆盖前一幅图，此命令是新开一个画图窗口

> hist(X, freq=F)

把两个图分别截下复制到下面，进行比较，你发现有什么不同？

答：纵坐标不同，一个是频数（Frequency），一个是密度(Density)

如果想把这两幅图画在同一个画图窗口中，可以输入以下命令：

> par(mfrow=c(1,2)) #在一个窗口里放多张图，这里是1行2列共2个图

> hist(X)

> hist(X,freq=F)

运行结果截图：

3.（习题）某单位对100名女生测定血清总蛋白含量（g/L），数据如下：

计算均值、方差、标准差、极差、标准误、变异系数、偏度、峰度。

要求：先将上述数据单独存为一个文本文件，名字为。然后利用scan()函数读取

并计算。

源代码及运行结果（不需要截图，直接把运算结果复制过来）：

data_outline<-function(x){

n<-length(x)

m<-mean(x)

v<-var(x)

s<-sd(x)

me<-median(x)

cv<-100*s/m

css<-sum((x-m)^2)

uss<-sum(x^2)

R<-max(x)-min(x)

R1<-quantile(x,3/4)-quantile(x,1/4)

sm<-s/sqrt(n)

g1<-n/((n-1)*(n-2))*sum((x-m)^3)/s^3

g2<-((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4-(3*(n-1)^2)/((n-2)*

(n-3)))

(N=n,Mean=m,Var=v,std_dev=s,Median=me,std_mean=sm,CV=cv,CSS=css,USS=uss

,R=R,R1=R1,Skewness=g1,Kurtosis=g2,=1)

}

进入R，

>source("")

>w<-scan("")

>w

>data_outline(w)

运行结果：

N Mean Var std_dev Median std_mean CV CSS USS R

1 100 20

R1 Skewness Kurtosis

1

4.（习题）绘出习题的直方图、密度估计曲线、经验分布图和QQ图，并将密度估计

曲线与正态密度曲线相比较，将经验分布曲线与正态分布曲线相比较（其中正态曲

线的均值和标准差取习题计算出的值）。

注意：以上4个图形的颜色自行定义，只要能区分开来就行。

源代码：

> hist(w,freq=FALSE)

> lines(density(w),col="green")

> x<-64:85

> lines(x,dnorm(x,mean(w),sd(w)),col="red")

> plot(ecdf(w),verticals=TRUE,=FALSE)

> lines(x,pnorm(x,mean(w),sd(w)),col="blue")

> qqnorm(w,col="blue")

> qqline(w,col="red")

运行截图：

5.（习题）绘出习题的茎叶图、箱线图，并计算五数总括。

注意：以上图形的颜色自行定义。

源代码：

>stem(w)

>boxplot(w,col="lightgreen",name=c('w'),notch=T)

>fivenum(w)

运行截图：

6.（习题）分别用W检验方法和Kolmogorov-Smirnov检验方法检验习题的数据是否

服从正态分布。

源代码：

>(w)

>(w,"pnorm",mean(w),sd(w))

运行截图：

结论：

正态性W检验得出P值为>,因此，认为样本来自正态分布的总体。

经验分布的检验：P>，可认为来自正态分布总体。有警告信息是因为数据有重复数值，ks检验要求待检数据时连续的，不被重复的。

思考：