统计学R语言实验

实验5 R绘图（二）

一、实验目的：

1.熟练掌握描述性统计分析中常用的统计量；

2.掌握R语言的高水平作图命令；

3.掌握R语言的低水平作图命令；

4.掌握多元数据的三个数据特征：均值向量、协方差矩阵、相关系数矩阵。

二、实验容：

练习：

要求：①完成练习并粘贴运行截图到文档相应位置(截图方法见下)，并将所有自己输入文字的字体颜色设为红色（包括后面的思考及小结），②回答思考题，③简要书写实验小结。④修改本文档名为“本人完整学号1”，其中1表示第1次实验，以后更改为2,3,...。如文件名为“1305543109立1”，表示学号为1305543109的立同学的第1次实验，注意文件名中没有空格及任何其它字符。最后连同数据文件、源程序文件等（如果有的话，本次实验没有），一起压缩打包发给课代表，压缩包的文件名同上。

截图方法：

法1：调整需要截图的窗口至合适的大小，并使该窗口为当前激活窗口（即该窗口在屏幕最前方），按住键盘Alt键（空格键两侧各有一个）不放，再按键盘右上角的截图键（通常印有“印屏幕”或“Pr Scrn”等字符），即完成截图。再粘贴到word文档的相应位置即可。

法2：利用QQ输入法的截屏工具。点击QQ输入法工具条最右边的“扳手”图标，选择其中的“截屏”工具。）

1.自行完成教材P130页开始的3.3-3.4节中的例题。

2.（习题

3.5）小白鼠在接种了3种不同菌型的伤寒杆菌后的存活天数如下表所示，

试绘出数据的箱线图（采用两种方法，一种是plot语句，另一种是boxplot语句）来判断小白鼠被注射3种菌型后的平均存活天数有无显著性差异？

白鼠试验数据

菌型存活天数

1 2 4 3 2 4 7 7 2 2 5 4

2 5 6 8 5 10 7 12 12 6 6

3 7 11 6 6 7 9 5 5 10 6 3 10

因此，这里考虑用箱线图中的中位数来进行比较。

解：源代码：

y<-c(2,4,3,2,4,7,7,2,2,5,4,

5,6,8,5,10,7,12,12,6,6,

7,11,6,6,7,9,5,5,10,6,3,10)

f<-factor(c(rep(1,11),rep(2,10),rep(3,12)))

plot(f,y)

A<-c(2,4,3,2,4,7,7,2,2,5,4)

B<-c(5,6,8,5,10,7,12,12,6,6)

C<-c(7,11,6,6,7,9,5,5,10,6,3,10)

boxplot(A,B,C)

运行截图：

结论：

从箱线图中可以看到，菌型2和3的平均存活天数无显著差异，但是与菌型1的有显著差异

3.（习题3.6）绘出习题3.16关于3项指标的离散图，从图中分析例3.16的结论的

合理性。

序号硬度X1 变形X2 弹性X3

1 65 45 27.6

2 70 45 30.7

3 70 48 31.8

4 69 46 32.6

5 6

6 50 31.0

6 6

7 46 31.3

7 68 47 37.0

8 72 43 33.6

9 66 47 33.1

10 68 48 34.2

注：1.

2. 把上述表格分复制到记事本中即可实现表格转化为文本，再用read.table()函

数存入到数据框中即可，避免输入麻烦。

解：源代码：

> df<-read.table("例3.6_data", header=T)

> df

> pairs(df)

运行截图：

结论：

具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（即正相关关系），要么是从左上角到右下角（即负相关关系）。但从上图可知所有的图中都没有这样的趋势，故均不相关。

4.（习题3.7）某校测得19名学生的四项指标，性别、年龄、身高（cm）和体重（lb），

具体数据如下表所示。

（1）试绘出体重对于身高的散点图；

（2）绘出不同性别情况下，体重与身高的散点图；（coplot(a~b|c)）

（3）绘出不同年龄段的体重与身高的散点图；

（4）绘出不同性别和不同年龄段的体重与身高的散点图。（coplot(a~b|c+d)）

解：源代码：

> ef<-read.table(file.choose(),header=T);ef

> attach(ef)

> plot(体重~身高)

> coplot(体重~身高|性别)

> coplot(体重~身高|年龄)

> coplot(体重~身高|年龄+性别)

运行截图：

5.（习题3.8）画出函数z = x4?2x2y + x2?2xy + 2y2 + 9x/2?4y + 4 在区域?2

≤ x ≤3，?1 ≤ y ≤7上的三维网格曲面和二维等值线，其中x与y各点之间的间隔为0.05，等值线的值分别为0, 1, 2, 3, 4, 5, 10, 15, 20, 30, 40, 50, 60, 80, 100，共15条。（注：在三维图形中选择合适的角度）

解：源代码：

x<-seq(-2,3,0.05)

y<-seq(-1,7,0.05)

f<-function(x,y) x^4-2*x^2*y+x^2-2*x*y+2*y^2+9*x/2-4*y+4

z<-outer(x,y,f)

contour(x,y,z,levels=c(0, 1, 2, 3, 4, 5, 10, 15, 20, 30, 40, 50, 60, 80, 100),col="black")

> persp(x,y,z,theta=30,phi=30,expand=0.7,col="lightblue")

运行截图：

6.（习题3.9）用Pearson相关检验法检验习题3.7中的身高与体重是否相关。

解：源代码：

cor.test(身高,体重)

运行截图：

结论：

其P值为7.887e-07<0.05，拒绝原假设，认为变量身高与体重相关。

7.（习题3.10）绘出例3.17中48号求职者数据的星图。（数据见文档最后）

（1）以15项自变量FL,APP,…,SUIT为星图的轴；

（2）以G1，G2，…，G5为星图的轴。（提示：先）

通过这些星图，能否说明应选哪6名应聘者。为使星图能够充分反映应聘者的情况，在作图中可适当调整各种参数。

提示：第（2）小题，先利用教材P153页的公式，计算出48个求职者这5个变量的值，公式如下：

G1<-(SC+LC+SMS+DRV+AMB+GSP+POT)/7

G2<-(FL+EXP+SUIT)/3

G3<-(LA+HON+KJ)/3

G4<-AA

G5<-APP

再将G１，…，G5这5个列向量（即48行5列数据）赋值一个新的数据框，再按第（1）小题的方法绘出星图。

解：源代码：

> X<-read.csv("applicant.csv")

> stars(X)

> attach(X)

> X$G1<-(SC+LC+SMS+DRV+AMB+GSP+POT)/7

>X$G2<-(FL+EXP+SUIT)/3

> X$G3<-(LA+HON+KJ)/3

> X$G4<-AA

> X$G5<-APP

>rt<-scale(X[,17:21])

>stars(rt)

运行截图：

思考：

1.R语言的高水平作图函数与低水平作图函数的主要区别是什么？

所谓高水平函数是与低水平作图函数相对应的，即所有的绘图函数均可产生图形，可以有坐标轴，以及图和坐标轴的说明文字。

2.plot()函数除了能画出散点图外，还能画什么图？能画出曲线图吗？

曲线图，箱线图；能

3.多元数据主要有哪三个数据特征指标？

均值向量、协方差矩阵、相关系数矩阵

4.相关检验的原假设是什么？

总体X,Y不相关

5.多元数据的图形表示方法主要有哪几种图？

轮廓图，星图，调和曲线图

三、实验小结（必写，但字数不限）

本次实验，主要是在星图方面有些阻碍，用不同的函数读取的结果会不一样，有时还读不出来，最终还是把数据存入excel中，才能成功。要学会描述性统计分析中常用的统计量，高水平作图函数与低水平图函数的区别。

附：