多元统计分析
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多元统计分析
>
data1=matrix(c(260,200,240,170,270,205,190,200,250,200,225,210,170,270,190,280,310,270,25 0,260,75,72,87,65,110,130,69,46,117,107,130,125,64,76,60,81,119,57,67,135,40,34,45,39,39,34, 27,45,21,28,36,26,31,33,34,20,25,31,31,39,18,17,18,17,24,23,15,15,20,20,11,17,14,13,16,18,15, 8,14,29),20,4)
>
data2=matrix(c(310,310,190,225,170,210,280,210,280,200,200,280,190,295,270,280,240,280,37 0,280,122,60,40,65,65,82,67,38,65,76,76,94,60,55,125,120,62,69,70,40,
30,35,27,34,37,31,37,36,30,40,39,26,33,30,24,32,32,29,30,37,21,18,15,16,16,17,18,17,23,17,20, 11,17,16,21,18,20,20,20,17),20,4)
>
data3=matrix(c(320,260,360,295,270,380,240,260,260,295,240,310,330,345,250,260,225,345,36 0,250,64,59,88,100,65,114,55,55,110,73,114,103,112,127,62,59,100,120,107,117,39,37,28,36,32 ,36,42,34,29,33,38,32,21,24,22,21,34,36,25,36,17,11,26,12,21,21,10,20,20,21,18,18,11,20,16,19, 30,18,23,16),20,4)
1.对单个分量进行检验
对第一个分量进行检验，看其是否服从正态分布，利用的是Q-Q图检验法：
> x<-rbind(data1,data2,data3)
> x<-sort(x[,1])
> x
[1] 170 170 170 190 190 190 190 200 200 200 200 200 205 210 210 210 225 225
[19] 225 240 240 240 240 250 250 250 250 260 260 260 260 260 260 270 270 270
[37] 270 270 280 280 280 280 280 280 280 295 295 295 310 310 310 310 320 330
[55] 345 345 360 360 370 380
> p<-c()
> for(i in 1:60){
+ pi[i]=(i-0.5)/60}
> q<-c()
> for(i in 1:60){
+ q[i]=qnorm(pi[i])}
> plot(q,x)
>
由Q—Q图近似为一条直线，可认为第一个分量服从正态分布。
对第二个分量进行检验，看其是否服从正态分布，利用的是Q-Q图
> x<-rbind(data1,data2,data3)
> x[,2]
[1] 75 72 87 65 110 130 69 46 117 107 130 125 64 76 60 81 119 57 [19] 67 135 122 60 40 65 65 82 67 38 65 76 76 94 60 55 125 120 [37] 62 69 70 40 64 59 88 100 65 114 55 55 110 73 114 103 112 127 [55] 62 59 100 120 107 117
> x<-sort(x[,2])
> p<-c()
> for(i in 1:60){
+ pi[i]=(i-0.5)/60}
> q<-c()
> for(i in 1:60){
+ q[i]=qnorm(pi[i])}
> plot(q,x)
由相应的Q—Q图近似为一条直线，可认为第二个分量服从正态分布。
对第三个分量进行检验，看其是否服从正态分布，利用的是Q-Q图检验法：> x<-rbind(data1,data2,data3)
> x[,3]
[1] 40 34 45 39 39 34 27 45 21 28 36 26 31 33 34 20 25 31 31 39 30 35 27 34 [25] 37 31 37 36 30 40 39 26 33 30 24 32 32 29 30 37 39 37 28 36 32 36 42 34 [49] 29 33 38 32 21 24 22 21 34 36 25 36
> x<-sort(x[,3])
> p<-c()
> for(i in 1:60){
+ pi[i]=(i-0.5)/60}
> q<-c()
> for(i in 1:60){
+ q[i]=qnorm(pi[i])}
> plot(q,x)
由Q—Q图近似为一条直线，可认为第三个分量服从正态分布。
对第四个分量进行检验，看其是否服从正态分布，利用的是Q-Q图检验法：> x<-rbind(data1,data2,data3)
> x[,4]
[1] 18 17 18 17 24 23 15 15 20 20 11 17 14 13 16 18 15 8 14 29 21 18 15 16 [25] 16 17 18 17 23 17 20 11 17 16 21 18 20 20 20 17 17 11 26 12 21 21 10 20 [49] 20 21 18 18 11 20 16 19 30 18 23 16
> x<-sort(x[,4])
> p<-c()
> for(i in 1:60){
+ pi[i]=(i-0.5)/60}
> q<-c()
> for(i in 1:60){
+ q[i]=qnorm(pi[i])}
> plot(q,x)