统计建模与R软件课后答案

第二章

2.1

> x<-c(1,2,3);y<-c(4,5,6)

> e<-c(1,1,1)

> z<-2*x+y+e;z

[1] 7 10 13

> z1<-crossprod(x,y);z1

[,1]

[1,] 32

> z2<-outer(x,y);z2

[,1] [,2] [,3]

[1,] 4 5 6

[2,] 8 10 12

[3,] 12 15 18

2.2

(1)> A<-matrix(1:20,nrow=4);B<-matrix(1:20,nrow=4,byrow=T) > C<-A+B;C

(2)> D<-A%*%B;D

(3)> E<-A*B;E

(4)> F<-A[1:3,1:3]

(5)> G<-B[,-3]

> x<-c(rep(1,5),rep(2,3),rep(3,4),rep(4,2));x

2.4

> H<-matrix(nrow=5,ncol=5)

> for (i in 1:5)

+ for(j in 1:5)

+ H[i,j]<-1/(i+j-1)

（1）> det(H)

（2）> solve(H)

（3）> eigen(H)

2.5

> studentdata<-data.frame(姓名=c('张三','李四','王五','赵六','丁一')

+ ,性别=c('女','男','女','男','女'),年龄=c('14','15','16','14','15'),

+ 身高=c('156','165','157','162','159'),体重=c('42','49','41.5','52','45.5')) 2.6

> write.table(studentdata,file='student.txt')

> write.csv(studentdata,file='student.csv')

2.7

count<-function(n)

{

if (n<=0)

print('要求输入一个正整数')

repeat{

if (n%%2==0)

n<-n/2

else

n<-(3*n+1)

if(n==1)break

}

print('运算成功')}

}

第三章

3.1

首先将数据录入为x。利用data_outline函数。如下> data_outline(x)

3.2

> hist(x,freq=F)

> lines(density(x),col='red')

> y<-min(x):max(x)

> lines(y,dnorm(y,73.668,3.9389),col='blue')

> plot(ecdf(x),verticals=T,do.p=F)

> lines(y,pnorm(y,73.668,3.9389))

> qqnorm(x)

> qqline(x)

3.3

> stem(x)

> boxplot(x)

> fivenum(x)

3.4

> shapiro.test(x)

> ks.test(x,'pnorm',73.668,3.9389)

One-sample Kolmogorov-Smirnov test

data: x

D = 0.073, p-value = 0.6611

alternative hypothesis: two-sided

Warning message:

In ks.test(x, "pnorm", 73.668, 3.9389) :

ties should not be present for the Kolmogorov-Smirnov test

这里出现警告信息是因为ks检验要求样本数据是连续的，不允许出现重复值

3.5

>x1<-c(2,4,3,2,4,7,7,2,2,5,4);x2<-c(5,6,8,5,10,7,12,12,6,6);x3<-c(7,11,6,6, 7,9,5,5,10,6,3,10)

> boxplot(x1,x2,x3,names=c('x1','x2','x3'),vcol=c(2,3,4))

>windows()

>plot(factor(c(rep(1,length(x1)),rep(2,length(x2)),rep(3,length(x3)))),c(x1, x2,x3))

3.6

> rubber<-data.frame(x1=c(65,70,70,69,66,67,68,72,66,68),

+x2=c(45,45,48,46,50,46,47,43,47,48),x3=c(27.6,30.7,31.8,32.6,31.0,31.3 ,37.0,33.6,33.1,34.2))

> plot(rubber)

具体有相关关系的两个变量的散点图要么是从左下角到右上角（正相关），要么是从左上角到右下角（负相关）。从上图可知所有的图中偶读没有这样的趋势，故均不相关。

3.7

（1）> student<-read.csv('3.7.csv')

> attach(student)

> plot(体重~身高)

（2）> coplot(体重~身高|性别)

（3）> coplot(体重~身高|年龄)

（4）> coplot(体重~身高|年龄+性别)

只列出（4）的结果，如下图