统计建模与R软件实验报告

开课学院、实验室：数学与统计学院实验时间：2013 年 3 月日

开课学院、实验室：数学与统计学院实验时间：2013 年 3 月日

开课学院、实验室：数学与统计学院实验时间：2013年月日

开课学院、实验室：实验时间：2013 年月日

开课学院、实验室：数学与统计学院实验时间：2013 年月日

五、实验结果及实例分析

####输入数据并运行得：

x<-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4)

y<-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493)

plot(x,y)

分析结果：由散点图可得x,y线性相关

lm.sol<-lm(y~1+x)

summary(lm.sol)

Call:

lm(formula = y ~ 1 + x)

Residuals:

Min 1Q Median 3Q Max

-128.591 -70.978 -3.727 49.263 167.228

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 140.95 125.11 1.127 0.293

x 364.18 19.26 18.908 6.33e-08 ***

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 96.42 on 8 degrees of freedom

Multiple R-squared: 0.9781, Adjusted R-squared: 0.9754

F-statistic: 357.5 on 1 and 8 DF, p-value: 6.33e-08

分析结果：由上述结果可得y关于x的一元线性回归方程为y=140.95+364.18x；

并由F检验和t检验，可得回归方程通过了回归方程的显著性检验

####对数据进行预测，并且给相应的区间估计

new<-data.frame(x=7)

lm.pred<-predict(lm.sol,new,interval="prediction",level=0.95)

lm.pred

fit lwr upr

1 2690.227 2454.971 2925.484

分析结果：预测值为2690.227，估计区间为[2454.971 ,2925.484]

教师签名

年月日

开课学院、实验室：数学与统计实验时间：2013年04月20日

开课学院、实验室：数学与统计学院实验时间：2013年4月日

> biplot(industry.pr) ####得出在第一，第二主成分之下的散点图

> p<-predict(industry.pr) ####预测数据，讲预测值放入p中

> order(p[,1]);order(p[,2]);order(p[,3]);order(p[,4]);

####将预测值分别以第一，第二，第三，第四主成分进行排序[1] 5 1 3 2 4 6 13 11 9 7 12 10 8

[1] 5 8 4 9 10 1 13 12 7 11 6 2 3

[1] 8 1 5 3 9 12 7 10 2 6 11 4 13

[1] 11 6 5 7 10 13 12 9 1 8 3 2 4