统计建模与r软件第八章答案

合集下载

统计建模与R软件习题仅供参考

原假设：油漆工人的血小板计数与正常成年男子无差异。

备择假设：油漆工人的血小板计数与正常成年男子有差异。

因为p值小于，拒绝原假设，则认为油漆工人的血小板计数与正常成年男子有差异。

由程序结果可知，x<=1000的概率为，所以x大于1000的概率为.P值为，大于，接受原假设，则两种方法治疗后患者血红蛋白无差异。

（1）以上检验中p值均大于，接受原假设，数据来自正态分布。

（2）三种检验的结果都显示两组数据均值无差异。

（3）因为p值为，大于，所以接受原假设，两组数据方差相同。

（1）因为两组数据p值都大于，所以均接受原假设，两组数据都服从正态分布。

（2）P=>,接受原假设，可认为两组样本方差相同。

（3）P值小于，拒绝原假设，两组有差别。

P 值>，故接受原假设，表示调查结果支持该市老年人口的看法。

不能认为这种处理能增加母鸡的比例。

接受原假设，符合自由组合定律。

因为p值大于，接受原假设，可以认为X服从poission分布。

因为p大于，接受原假设，所以两样本来自同一总体。

因为p值小于，拒绝原假设，有影响。

因为P 值< ，所以拒绝原假设，B与C不独立。

由于p值大于，故两变量独立，两种工艺对产品的质量没有影响。

因为p值大于，接受原假设，可以认定两种方法测定结果相同。

（1）p<,拒绝原假设，中位数小于(2)p<,所以拒绝原假设，中位数小于（1）p值大于，接受原假设，无差别。

（2）p=<,拒绝原假设，有差别。

（3）p=<,拒绝原假设，有差别。

(4)可认为两组数据方差相同。

综上，该数据可做t检验，p值小于，拒绝原假设，有差别。

(5)综上所述，Wilcoxon符号秩检验的差异检出能力最强，符号检验的差异检出最弱。

(6)P值均小于，接受原假设，二者有关系，呈正相关。

因为p值大于，接受原假设，尚不能认为新方法的疗效显着优于原疗法。

r软件课后答案

r软件课后答案【篇一：统计建模与r软件课后答案】> x-c(1,2,3);y-c(4,5,6)e-c(1,1,1)z-2*x+y+e;z[1] 7 10 13z1-crossprod(x,y);z1[,1][1,]32z2-outer(x,y);z2[,1] [,2] [,3][1,] 4 5 6[2,] 81012[3,]1215182.2(1) a-matrix(1:20,ow=4);b-matrix(1:20,ow=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));x2.4h-matrix(ow=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)2.5studentdata-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))2.6write.table(studentdata,file=student.txt)write.csv(studentdata,file=student.csv)2.7count-function(n){if (n=0)print(要求输入一个正整数)repeat{if (n%%2==0)n-n/2elsen-(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)3.2hist(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)3.3stem(x)boxplot(x)fivenum(x)3.4shapiro.test(x)ks.test(x,pnorm,73.668,3.9389)one-sample kolmogorov-smirnov testdata: xd = 0.073, p-value = 0.6611alternative hypothesis: two-sidedwarning 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3.5x1-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))3.6rubber-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)【篇二：r软件课后习题第五章】> ####写出求正态总体均值检验的r程序（程序名：mean.test1.r） mean.test1-function(x, mu=0, sigma=-1, side=0){source(p_value.r)n-length(x); xb-mean(x)if (sigma0){z-(xb-mu)/(sigma/sqrt(n))p-p_value(pnorm, z, side=side)data.frame(mean=xb, df=n, z=z, p_value=p)}else{t-(xb-mu)/(sd(x)/sqrt(n))p-p_value(pt, t, paramet=n-1, side=side)data.frame(mean=xb, df=n-1, t=t, p_value=p)}}####写出求p值的r程序（程序名：p_value.r）p_value-function(cdf, x, paramet=numeric(0), side=0){n-length(paramet)p-switch(n+1,cdf(x),cdf(x, paramet),cdf(x, paramet[1], paramet[2]),cdf(x, paramet[1], paramet[2], paramet[3]))if (side0) pelse if (side0) 1-pelseif (p1/2) 2*pelse 2*(1-p)}####输入数据，再调用函数mean.test1()x-c(220,188,162,230,145,160,238,188,247,113,126,245,164,231,256 ,183,190,158,224,175) source(mean.test1.r)a-mean.test1(x, mu=225,side=0)a得到：mean dft p_value1 192.15 19 -3.478262 0.002516436可知，p值小于0.05,故与正常值存在差异5.2####输入数据，再调用函数mean.test1()x-c(1067,919,1196,785,1126,936,918,1156,920,948)source(mean.test1.r)mean.test1(x, mu=1000,side=1)得到：mean df tp_value1 997.1 9 -0.06971322 0.5270268所以灯泡寿命为1000小时以上的概率是0.47297325.3####写出两总体均值检验的r程序（程序名：mean.test2.r）mean.test2-function(x, y,sigma=c(-1, -1), var.equal=false, side=0){source(p_value.r)n1-length(x); n2-length(y)xb-mean(x); yb-mean(y)if (all(sigma0)){z-(xb-yb)/sqrt(sigma[1]^2/n1+sigma[2]^2/n2)p-p_value(pnorm, z, side=side)data.frame(mean=xb-yb, df=n1+n2, z=z, p_value=p)}else{if (var.equal == true){sw-sqrt(((n1-1)*var(x)+(n2-1)*var(y))/(n1+n2-2))t-(xb-yb)/(sw*sqrt(1/n1+1/n2))nu-n1+n2-2}else{s1-var(x); s2-var(y)nu-(s1/n1+s2/n2)^2/(s1^2/n1^2/(n1-1)+s2^2/n2^2/(n2-1)) t-(xb-yb)/sqrt(s1/n1+s2/n2)}p-p_value(pt, t, paramet=nu, side=side)data.frame(mean=xb-yb, df=nu, t=t, p_value=p)}}####输入数据，再调用函数mean.test2()x-c(113,120,138,120,100,118,138,123)y-c(138,116,125,136,110,132,130,110)source(mean.test2.r)mean.test2(x, y, var.equal=true, side=0)得到：mean df tp_value1 -3.375 14 -0.5659672 0.5803752p值大于0.05,故接受原假设5.4####写出均值已知和均值未知两种情况方差比检验的r程序（程序名：var.test2.r）var.test2-function(x, y,mu=c(inf,inf),side=0){source(p_value.r)n1-length(x); n2-length(y)if (all(all(muinf)){sx2-sum((x-mu[1])^2)/n1;sy2-sum((y-mu[2])^2)/n2df1=n1;df2=n2}else{sx2-var(x); sy2-var(y);df1=n1-1;df2=n2-1}r-sx2/sy2p-p_value(pf, r, paramet=c(df1,df2), side=side)data.frame(rate=r, df1=df1, df2=df2,f=f, p_value=p)}}####输入数据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,-1.40)a-shapiro.test(x)ashapiro-wilk normality testdata: xw = 0.9699, p-value = 0.75270.05y-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)b-shapiro.test(y)bshapiro-wilk normality testdata: yw = 0.971, p-value = 0.77540.05由以上可知，两组数据均为正态分布####输入数据，再调用函数mean.test2()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,-1.40)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)source(mean.test2.r)a-mean.test2(x, y, var.equal=true, side=0);amean dftp_value1 -0.56 38 -0.641872 0.5248097b-mean.test2(x, y, var.equal=false, side=0);bmean dft p_value1 -0.56 36.08632 -0.641872 0.525013c-t.test(x-y, alternative = two.sided);cone sample t-testdata: x - yt = -0.6464, df = 19, p-value = 0.5257alternative hypothesis: true mean is not equal to 095 percent confidence interval:-2.373146 1.253146sample estimates:mean of x-0.56以上p值均大于0.05，故均值无差异。

(完整版)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 15 182.2(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));x2.4> 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')2.7count<-function(n){if (n<=0)print('要求输入一个正整数')repeat{if (n%%2==0)n<-n/2elsen<-(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。

统计建模与R软件课后参考答案(可编辑修改word版)

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 15 182.2(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]2.3>x<-c(rep(1,5),rep(2,3),rep(3,4),rep(4,2));x2.4>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')2.7count<-function(n){if (n<=0)print('要求输入一个正整数')else{ repeat{if (n%%2==0)n<-n/2elsen<-(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。

统计建模与r软件第八章答案

统计建模与r软件第八章答案【篇一：统计建模与r软件-第4~9章习题】x-c(0.1,0.2,0.9,0.8,0.7,0.7)n-length(x)a1-mean(x);m2-(n-1)/n*var(x)a1-1/(1-a1)-2;a1[1] 0.3076923极大似然估计f-function(a2){sum(log(x))+n/(1+a2)}out-uniroot(f,c(0,1));a2-out$root;a2[1] 0.2111824.2x-c(rep(5,365),rep(15,245),rep(25,150),rep(35,100),rep(45,70),rep(5 5,45),rep(65,25)) lamda-length(x)/sum(x);lamda[1] 0.054.3取均值即可。

x-c(rep(0,17),rep(1,20),rep(2,10),rep(3,2),rep(4,1))mean(x)[1] 1平均为1个。

4.4obj-function(x){f-c(-13+x[1]+((5-x[2])*x[2]-2)*x[2],-29+x[1]+((x[2]+1)*x[2]-14)*x[2]) ;sum(f^2)}x0-c(0.5,-2)nlm(obj,x0)$minimum[1] 48.98425$estimate[1] 11.4127791 -0.8968052$gradient[1] 1.411401e-08 -1.493206e-07$code[1] 1$iterations[1] 164.5x-c(54,67,68,78,70,66,67,70,65,69)t.test(x) #t.test()做单样本正态分布区间估计one sample t-testdata: xt = 35.947, df = 9, p-value = 4.938e-11alternative hypothesis: true mean is not equal to 095 percent confidence interval:63.1585 71.6415sample estimates:mean of x67.4平均脉搏点估计为 67.4 ，95%区间估计为 63.1585 71.6415 。

统计建模与R软件假设检验习题答案

04 习题答案解析
习题一答案解析
答案：D
解析：根据题目描述，A、B、C三个选项都是描述数据特征的，而D选项是描述数据来源的，与题目要求的“数据特征”不符。
习题二答案解析
答案：B
解析：根据题目要求，需要选择一个假设检验的方法。A选项是参数检验，适用于总体分布已知的情况；B选项是非参数检验，适用于总体分布未知或不符合正态分布的情况；C选项是回归分析，用于研究变量之间的关系；D选项是聚类分析，用于数据的分类。根据题目描述，由于总体分布未知且不符合正态分布，所以选择B选项。
模型评估
01
02
03
交叉验证
将数据集分成训练集和测试集，使用训练集训练模型，在测试集上评估模型的性能。
均方误差
衡量预测值与实际值之间的误差，越小越好。
准确率
衡量分类模型正确预测的比例，越高越好。
02 R软件基础
R软件介绍
总结词
R软件是一种开源的统计计算和图形绘制软件，广泛应用于数据分析和统计建模。
解析：根据题目要求，需要选择一个统计量来描述数据的集中趋势。A选项是平均数，是最常用的描述集中趋势的统计量；B选项是中位数，描述数据的中位数位置；C选项是众数，描述数据中出现次数最多的数；D 选项是标准差，描述数据的离散程度。根据
题目要求，选择A选项。
习题五答案解析
答案：C
解析：根据题目要求，需要选择一个统计量来检验两个样本是否来自同一个总体。A选项是t检验，适用于两个正态分布的总体；B选项是卡方检验，适用于分类数据的比较；C选项是F检验，适用于两个总体方差的比较；D选项是z检验，适用于总体比例的比较。根据题目要求，选择C选项。
假设检验的优缺点

统计模拟与R相关资料习题答案

>1:2+1:4
>1:4+1:7
sqrt(x),log(x),exp(x),sin(x),cos(x),tan(x), abs(x)分别表示平方根,对数,指数,三角函数及绝对值. sort(x,decreasing=FALSE)返回按x的元素从小到大排序的结果向量. order(x)是使得x从小到大排列的元素下标向量, sort(x)与x[order(x)]是等效的. numeric(n):表示长度为n的零向量注意:1:n-1与1:(n-1)的区别. >1:3-1 >1:(3-1)
1 1 1 2 2 2 2 4 1 2 3 3 3 6 4 4 4 8 3 5 1 5 6 4 6 2 6 8 7 3 7 10
• 主菜单 • 工具条 • R console (R的运行窗口)
– R console
• 你的主要工作是在这里通过发布命令来完成的,包括数据集的建立,数据的分析,作图等. • 在这里你可以得到在线帮助
– help.start() – help() – demo() HTML格式的关于R的帮助文件得到相应函数的帮助,例如help(plot) 得到R提供的几个示例
• 通过用户自编程序, R语言很容易延伸和扩大. 它就是这样成长的.
通过Ｒ语言的许多内嵌统计函数，很容易学习和掌握R 语言的语法. 我们可以编制自己的函数来扩展现有的Ｒ语言(这就是为什么它在不断等级完善!!)
• R 是计算机编程语言. 类似于UNIX语言,C语言,Pascal,Gauss语言等. • 对于熟练的编程者, 它将觉得该语言比其他语言更熟悉. • 而对计算机初学者, 学习R语言使得学习下一步的其他编程不那么困难. • 那些傻瓜软件(SAS,SPSS等)语言的语法则完全不同.

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 15 182.2(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]2.3> x<-c(rep(1,5),rep(2,3),rep(3,4),rep(4,2));x2.4> 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')2.7count<-function(n){if (n<=0)print('要求输入一个正整数')else{repeat{if (n%%2==0)n<-n/2elsen<-(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。

《统计分析与SPSS的应用(第五版)》课后练习答案(第8章)最全面(精华版)

《统计分析与SPSS 的应用（第五版）》（薛薇）课后练习答案第8 章SPSS 的相关分析1、对15 家商业企业进行客户满意度调查，同时聘请相关专家对这家企业的综合竞争力15进行评分，结果如下表。

编号客户满意度得分综合竞争力得分编号客户满意度得分综合竞争力得分1 2 39010015070801509101110208060301004 5 6 713012011040140901202012131415703050601101040508140 130请问，这些数据能否说明企业的客户满意度与其综合竞争力存在较强的正相关，为什么？能。

步骤：（1）图形旧对话框散点/点状线性简单分布确定进行相应设置确定；（2）再双击图形元素总计拟合线拟合线（3 ）分析相关双变量进行相关项设置确定相关性客户满意度得分综合竞争力得分Pearson 1.864 ** 客户满意度得分相关性显著性（双尾）.000N16 151综合竞争力得分相关性Pearson .864 **显著性（双尾）.000N15 15 **. 在置信度（双测）为0.01 时，相关性是显著的。

两者的简单相关系数为0.864 ，说明存在正的强相关性。

2、为研究香烟消耗量与肺癌死亡率的关系，收集下表数据。

（说明：1930 年左右几乎极少的妇女吸烟；采用国家澳大利亚加拿大丹麦1950 年的肺癌死亡率是考虑到吸烟的效果需要一段时间才可显现）。

1930 年人均香烟消耗量1950 年每百万男子中死于肺癌的人数180150170480500380芬兰1100 350英国荷兰1100490460240冰岛挪威瑞典瑞士美国23025030051013006090110250200绘制上述数据的散点图，并计算相关系数，说明香烟消耗量与肺癌死亡率之间是否存在显著的相关关系。

香烟消耗量与肺癌死亡率的散点图(操作方法与第 1 题相同)相关性人均香烟消耗死于肺癌人数**人均香烟消耗相关性Pearson 1.737显著性（双尾）.010N Pearson 11 111死于肺癌人数相关性.737 **显著性（双尾）.010N11 11**. 在置信度（双测）为0.01 时，相关性是显著的。

(完整版)统计计算与R填空题题库及答案,推荐文档

第二章 R 软件的使用1.求解非线性方程组一般用Newton 法。

Newton 法的迭代格式为：其中J(x)为函数f(x)的Jacobi 矩阵。

请补全下列程序：Newtons = function (fun, x, ep=1e-5, it_max=100){ index = 0; k = 1 while (k<=it_max){ x1 = x; obj = fun(x); x = x - _____ (obj$J, obj$f); norm = sqrt((x-x1) %*% (x-x1)) if (norm<ep){ index = 1; _____ } k = k+1 }obj = fun(x);list(root=_____, it=_____, index=index, FunVal= _____)}funs = function(x){f = c(x[1]^2+x[2]^2-5, (x[1]+1)*x[2]-(3*x[1]+1)) J = matrix(c(2*x[1], 2*x[2], x[2]-3, x[1]+1), nrow=2, byrow=T) list(f=f, J=J)}2.编写一个R 程序（函数）.输入一个整数n ，如果，则中止运算，并输出一句话:0n “要求输入一个正整数”; 否则，如果n 是偶数，则将n 除以2，并赋给n;否则，将3 n + 1赋给n.不断循环，只到n = 1，才停止计算，并输出一句话:“运算成功”.这个例子是为了检验数论中的一个简单的定理. 请补全下列程序：fn = function(n){ if(n<=0)list(fail="要求输入一个正整数") else{ i=0; ______{ if(n______2==0) n = ______ ______ n = (3*n+1) if(n==1) breaki=i+1}______ (result="运算成功", n=n, iter=i)}}## 运行得到如下结果：fn(1)$result[1] "运算成功"$n[1] 1$iter[1] 2第三章数据描述性分析3.data_outline.R计算样本的各种描述性统计量。

软件建模与UML智慧树知到课后章节答案2023年下山东理工大学

软件建模与UML智慧树知到课后章节答案2023年下山东理工大学山东理工大学第一章测试1.结构化设计阶段的主要设计思路是（）。

答案:自顶向下，逐步求精2.结构化分析建模的3种核心模型为（）。

答案:DD;ERD;DFD3.数据流图的外部实体可能是与系统交互的（）。

答案:硬件设备;人;软件系统;部门;组织4.环境图也称顶层数据流图，它仅包括一个数据处理过程，即目标系统。

答案:对5.ER图是数据库设计的基础，因此又称为（）。

答案:数据库概念模型6.数据字典是以词条方式定义在数据模型、功能模型和行为模型中出现的数据对象及控制信息的特性，其定义对象包括（）。

答案:数据源点/汇点;加工（过程）条目;数据流条目;数据文件7.DD中最常用的数据结构描述方式有（）。

答案:定义式 ;Warier图8.结构图可以清楚的表达出模块间的层次调用关系和信息传递，但不能表达有条件的模块调用。

答案:错9.结构图优化时，需要应用高耦合、低内聚原则。

答案:错10.关于结构化程序设计的描述，正确的是（）。

答案:选用的控制结构只准有一个入口和一个出口。

; 使用顺序、选择、循环这三种基本控制结构表达程序逻辑。

; 严格控制GOTO语句。

11.请根据描述，对学校图书管理系统建立DFD。

图书管理系统主要目的是方便学校图书馆的借还书工作。

图书管理员负责进行图书的管理，主要包括图书的入库、图书信息的修改和图书的出库。

其他工作人员负责完成借书和还书的操作。

读者可以通过系统查询图书信息及流通状态，可以自助借书、还书。

另外还可以通过系统进行图书的预约和续借。

读者分为教师和学生。

教师最多允许借10本书，借阅时长2个月。

学生最多允许借5本书，借阅时长为1个月。

两类读者的续借时长都为1个月。

对已借出图书到期时长小于一周时，允许预约，预约期为10天，多位读者预约时，按预约时间排序；超期未借，预约自动失效。

存在预约的图书只能由预约读者借阅。

还书时，如果发生超期，需要缴纳罚款。

《统计建模与R软件》书本课后习题答案

第二章答案：Ex2.1x<-c(1,2,3)y<-c(4,5,6)e<-c(1,1,1)z=2*x+y+ez1=crossprod(x,y)#z1为x1与x2的内积或者x%*%yz2=tcrossprod(x,y)#z1为x1与x2的外积或者x%o%yz;z1;z2要点：基本的列表赋值方法，内积和外积概念。

内积为标量，外积为矩阵。

Ex2.2A<-matrix(1:20,c(4,5));AB<-matrix(1:20,nrow=4,byrow=TRUE);BC=A+B;C#不存在AB这种写法E=A*B;EF<-A[1:3,1:3];FH<-matrix(c(1,2,4,5),nrow=1);H#H起过渡作用，不规则的数组下标G<-B[,H];G要点：矩阵赋值方法。

默认是byrow=FALSE,数据按列放置。

取出部分数据的方法。

可以用数组作为数组的下标取出数组元素。

Ex2.3x<-c(rep(1,times=5),rep(2,times=3),rep(3,times=4),rep(4,times=2));x #或者省略times=，如下面的形式x<-c(rep(1,5),rep(2,3),rep(3,4),rep(4,2));x要点：rep（）的使用方法。

rep（a,b）即将a重复b次Ex2.4n <- 5; H<-array(0,dim=c(n,n))for (i in 1:n){for (j in 1:n){H[i,j]<-1/(i+j-1)}};HG <- solve(H);G #求H的逆矩阵ev <- eigen(H);ev #求H的特征值和特征向量要点：数组初始化；for循环的使用待解决：如何将很长的命令（如for循环）用几行打出来再执行？每次想换行的时候一按回车就执行了还没打完的命令...Ex2.5StudentData<-data.frame(name=c("zhangsan","lisi","wangwu","zhaoliu","dingyi"),sex=c("F","M", "F","M","F"),age=c("14","15","16","14","15"),height=c("156","165","157","162","159"),weight=c( "42","49","41.5","52","45.5"));StudentData要点：数据框的使用待解决：SSH登陆linux服务器中文显示乱码。

统计建模与R软件课后答案修订稿

统计建模与R软件课后答案文档编制序号：[KKIDT-LLE0828-LLETD298-POI08]第二章> 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(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> 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)> studentdata<(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','','52',''))> (studentdata,file='')> (studentdata,file='')count<-function(n){if (n<=0)print('要求输入一个正整数')else{repeat{if (n%%2==0)n<-n/2elsen<-(3*n+1)if(n==1)break}print('运算成功')}}第三章首先将数据录入为x。

统计建模与R软件课后参考答案

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 15 182.2(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));x2.4> 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')2.7count<-function(n){if (n<=0)print('要求输入一个正整数')repeat{if (n%%2==0)n<-n/2elsen<-(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。

应用统计学+第8章课后答案

书P213
1.解：由题已知可得，ｒ=∂∂y x xy
2=
9
.775.972⨯=0.9348 r=0.9348，所以中文成绩和英文成绩为高度正相关
2. 解：（1）相关系数为：
n xy-x y
=0.7195
(2)根据已知数据,利用最小二乘法可得:
b = 22)
(x x n y x xy n ∑-∑∑∑-∑=0.68 a =y x b -=1.6667-0.68⨯15=-8.5333
所建立的直线回归方程为：y =-8.5333+0.68x
回归系数b =0.68表示销售额每增加1万元，公司的利润会平均增加0.68万元；截距a =-8.5333，表示在销售额为0的情况下，公司的利润为-8.5333万元。

（3）当销售额x =360万元时，预测销售利润的可能值为：
y =-8.533+0.68⨯360=236.2667（万元）
4.解：（1）相关系数为：
n xy-x y
= 181476302686441796426
2114816-⨯-⨯⨯-⨯
= r=-0.909
所以说明产量与单位成本高度负相关
（2）b = 22)
(x x n y x xy n ∑-∑∑∑-∑=-1.818 a =y x b -=77.364
单位成本对产量的回归直线方程：y =77.364-1.818x 其中：y ——成本 x ——产量，产量每增加1000件时，单位成本平均下降1.818元。

（3）当y=70时，70=77.364-1.818x 解得x=4.05千件。

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 15 182.2(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]2.3> x<-c(rep(1,5),rep(2,3),rep(3,4),rep(4,2));x> 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')2.7count<-function(n){if (n<=0)print('要求输入一个正整数')else{repeat{if (n%%2==0)n<-n/2n<-(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。