R语言期末考试复习题及参考答案

R语言 --复习资料
一、填空题
1、玫瑰图的绘制,主要是先绘制一个直方图,接着将((____))坐标转化为((____) )
参考答案：直角※极
二、单项选择题
1、以下哪列代码是将直方图转化为玫瑰图的关键( )
A. A
B. B
C. C
D. D
参考答案： B
三、解答题
1、 3.例题：水泥厂用自动包装机包装水泥，每袋额定重量是50kg ，某日开工后随机抽查了9 袋，称得重量如下：49.6,49.3,50.1,50.0,49.2,49.9,49.8,51.0,50.2设每袋重量服从正态分布，问包装机工作是否正常（α =0.05 ）？
参考答案：
x <- c(49.6,49.3,50.1,50.0,49.2,49.9,49.8,51.0,50.2)
α <- 0.05
solution <- t.test(x,mu=50,alternative="two.sided",conf.level = 1-α)
solution
if(solution$p.value>α ){
print(" 接受 H0")
}else{
print(" 拒绝 H0 ，接受 H1")
}
p-value> α，接受 H0
认为包装机工作正常。

四、练习题
1、 1.使用 t.text 函数完成下面的例题用 10 只家兔试验某批注射液对体温的影响，测定每只兔子注射前后的体温，如下注射前： (37.8,38.2,38.0,37.6,37.9,38.1,38.2,37.5,38.5,37.9) 注射后： (37.9,39.0,38.9,38.4,37.9,39.0,39.5,38.6,38.8,39.0) 已知家兔体温服从正态分布，问注射前后体温有无显著差异？（α=0.01 ）（配对）
参考答案：
x <- c(37.8,38.2,38.0,37.6,37.9,38.1,38.2,37.5,38.5,37.9)
y <- c(37.9,39.0,38.9,38.4,37.9,39.0,39.5,38.6,38.8,39.0)
α <- 0.01
solution <- t.test(x,y,mu = 0,alternative="two.sided",paired = TRUE,var.equal = FALSE,conf.level=1-
α)
if(solution$p.value>α){ print(" 接受 H0")
}else{
print(" 拒绝 H0 ，接受 H1")
}
输出结果：拒绝H0 ，接受 H1 （即：注射前后体温差异显著）
2、 2.使用 t.text 函数完成下面的例题有甲、乙两台机床加工相同的产品，假定两台机床加工的产品均服从正态分布，且总体方差相等，从这两台机床加工的产品中随机地抽取若干件，测得产品直径 (mm) 为甲：
(20.5,19.8,19.7,20.4,20.1,20.0,19.0,19.9);乙： (19.7,20.8,20.5,19.8,19.4,20.6,19.2)试比较甲乙两台机床加工的产品直径有无显著应差异？.（α=0.05 ）
参考答案：
x <- c(20.5,19.8,19.7,20.4,20.1,20.0,19.0,19.9)
y <- c(19.7,20.8,20.5,19.8,19.4,20.6,19.2)
α <- 0.05
solution <- t.test(x,y,mu = 0,alternative="two.sided",paired =FALSE,var.equal = FALSE,conf.level=1-
α)
if(solution$p.value>α){ print(" 接受 H0")
}else{
print(" 拒绝 H0 ，接受 H1")
}
输入结果：接受H0( 即：甲乙两台机床加工的产品直径无显著性差异)”
3、 3.根据经验，在人的身高相等的情况下，血压的收缩 Y 与体重 X1（千克）和年龄 X2（岁数）有关，现收集了 13 个男子的数据，试建立 Y 关于 X1、X2 的线性回归方程。

参考答案：
第一步、录入数据，建立多元线性数据模型
X1<-c(76.0,91.5,85.5,82.5,79.0,80.5,74.5,79.0,85.0,76.5,82. 0,95.0,92.5)
X2<-c(50,20,20,30,30,50,60,50,40,55,40,40,20)
Y<-c(120,141,124,126,117,125,123,125,132,123,132,155,147)
blood<-data.frame(X1,X2,Y) lm.sol<-lm(Y~1+X1+X2,data=blood) summary(lm.sol)
得出 Call:
lm(formula=Y~X1+X2,data=blood) Residuals:
Min1QMedian3QMax
-4.0404-1.01830.46400.69084.3274
Coefficients: EstimateStd.ErrortvaluePr(>|t|)
(Intercept)-62.96 33616.99976-3.7040.004083**
X12.13 6560.1753412.1852.53e-07*** X20.40 0220.083214.8100.000713***
---
Signif.codes:
0‘*** ’0.001 ‘** ’0.01 ‘* ’0.05 ‘. ’0.1 ‘’1
Residualstandarderror:2.854on10degreesoffreedom MultipleR-squared:0.9461,AdjustedR-squared:0.9354 F-statistic:87.84on2and10DF,p-value:4.531e-07。