R语言第十周作业

实验十数据可视化（绘图二）

实验目的：

1.熟悉R条形图的制作

2.熟悉R直方图的制作

3.熟悉用Q-Q图来检验分布的特征

4.了解相关概率计算和随机抽样的R实现

实验要求：完成每个实验内容的同时，在每题后面附上程序代码。要求独立完成。

实验内容：

一．

1.对于iris数据，用每类花（iris$Speciees）的样本数作为高度，制作条形图。heights<- table(iris$Species)

barplot(heights)

2.用每类花的Sepal.Length、Sepal.Width、Petal.Length、Petal.Width的平均值分别制作条形图，四图同显。

par(mfrow=c(2,2))

attach(iris)

SLength<- tapply(Sepal.Length, Species, mean)

barplot(SLength,main="Mean Temp.by Sepal.Length",col=1)

SWidth<- tapply(Sepal.Width, Species, mean)

barplot(SWidth,main="Mean Temp.by Sepal.Width",col=2)

PLength<- tapply(Petal.Length, Species, mean)

barplot(PLength,main="Mean Temp.by Petal.Length",col=3)

PWidth<- tapply(Petal.Width, Species, mean)

barplot(PWidth,main="Mean Temp.by Petal.Width",col=4)

3.分别制作Sepal.Length、Sepal.Width、Petal.Length、Petal.Width的直方图（用密度值做代表，设置prob=T）,添加拟合的密度曲线，四图同显。

par(mfrow=c(2,2))

attach(iris)

hist(Sepal.Length,prob=T,col=5)

lines(density(Sepal.Length))

hist(Sepal.Width,prob=T,col=2)

lines(density(Sepal.Width))

hist(Petal.Length,prob=T,col=3)

lines(density(Petal.Length))

hist(Petal.Width,prob=T,col=4)

lines(density(Petal.Width))

4.分别制作Sepal.Length、Sepal.Width、Petal.Length、Petal.Width的正态Q-Q图，四图同显，并说明他们的正态性。

par(mfrow=c(2,2))

attach(iris)

qqnorm(Sepal.Length, main="Q-Q Plot: Sepal.Length",col=5)

qqline(Sepal.Length,col=5)

qqnorm(Sepal.Width, main="Q-Q Plot: Sepal.Width",col=6)

qqline(Sepal.Width,col=6)

qqnorm(Petal.Length, main="Q-Q Plot: Petal.Length",col=9)

qqline(Petal.Length,col=9)

qqnorm(Petal.Width, main="Q-Q Plot: Petal.Width",col=8)

qqline(Petal.Width,col=8)

二．用随机模拟的方法计算下面积分的数值，并和实际值作比较。

π

∫sin xdx

m<-100000

sam<-data.frame(x=runif(m,0,pi),y=runif(m,0,1))

head(sam$y<=sin(sam$x))

plot(sam)

abline(h=c(0,1),v=c(0,pi),col="red")

points(sam[sam$y<=sin(sam$x),],col="yellow")

> a<-4*sum(sam$y<=sin(sam$x))/m

> a

[1] 2.55812

实际值

> b<--(cos(pi)-cos(0))

> b

[1] 2

三．模拟来自指数分布随机变量的样本均值的极限分布。x<-rexp(1000)

n<-c(2,5,10,60)

m<-10000

xbar<-data.frame()

for(i in 1:length(n)){

for(j in 1:m)

xbar[j,i]<-mean(sample(x,n[i],rep=T))

}

par(mfrow=c(2,2))

for(i in 1:4)

hist(xbar[,i],50,main=paste("n=",n[i]),prob=T)