r语言作业.docx

第五章课后习题
#1
程序如下：
x<-c(220,188,162,230,145,160,238,188,247,113,126,245,164,231,256,183,190,158,224,175)
t.test(x,alternative="two.sided",mu=225)
输入R软件后得出结果为：

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。
由上图可以知道P值=0.002516<0.05，拒绝原假设，我们可以认为油漆工人的血小板计数与正常成年男子有差异。

#2
程序如下：
x<-c(1067,919,1196,785,1126,936,918,1156,920,948)
t.test(x,alternative="less",mu=1000)
pnorm(1000,mean(x),sd(x))
R软件里的出的结果是

由结果知道P值=0.473>0.05，故接受原假设，即这个星期生产出的灯泡能使用1000h以上的概率为0.4912059

#3
程序如下：
x<-c(113,120,138,120,100,118,138,123)
y<-c(138,116,125,136,110,132,130,110)
t.test(x,y,paired=TRUE)
R软件得出结果是：

P值=0.5357>0.05，故接受原假设，即两种方法无差异。

#4
程序如下：
x1<-c(-0.70,-5.6,2.0,2.8,0.7,3.5,4.0,5.8,7.1,-0.5,2.5,-1.6,1.7,3.0,0.4,4.5,4.6,2.5,6.0,-1.4)
x2<-c(3.7,6.5,5.0,5.5,0.8,0.2,0.6,3.4,6.6,-1.1,6.0,3.8,2.0,1.6,2.0,2.2,1.2,3.1,1.7,-2.0)
（1）
shapiro.test(x1)

shapiro.test(x2)

实验组和对照组的P值均大于0.05，故接受原假设，即实验组和对照组的数据是来之正态分布。
Ks检验：
ks.test(x1,"pnorm",mean(x1),sd(x1))

ks.test(x2,"pnorm")

Pearson拟合优度检验：
breaks<-seq(from=min(x1)-0.5,to=max(x1)+0.5,by=(max(x1)-min(x1)+1)/4)
z1<-table(cut(x1,br=breaks))
p<-pnorm(breaks,mean(x1),sd(x1))
p<-c(p[2],p[3]-p[2],p[4]-p[3],1-p[4])
chisq.test(z1,p=p)

breaks<-seq(from=min(x2)-0.5,to=max(x2)+0.5,by=(max(x2)-min(x2)+1)/4)
z2<-table(cut(x2,br=breaks))
p<-pnorm(breaks,mean(x2),sd(x2))
p<-c(p[2],p[3]-p[2],p[4]-p[3],1-p[4])
chisq.test(z2,p=p)

实验组和对照组的P值均大于0.05，故接受原假设，x的数据是来之正态分布。
（2）
成对t检验
t.test(x1,x2,paired=TRUE)

方差相同模型t检验
t.test(x1,x2,paired=F,var.equal=T)

方差不同模型t检验
t.test(x1,x2,paired=F,var.equal=F)

三种检验结果均显示两组数据均值均无差异。
（3）
方差检验
var.test(x1,x2)

P值>0.05，接受原假设，认为两组数据的方差相同。

#5
x<-c(125,136,128,123,138,142,116,110,108,115,140)
y<-c(162,172,177,170,175,152,157,159,160,162)
（1）
shapiro.test(x)

shapiro.test(y)

x和y的P值均大于0.05，接受原假设，认为两组数据服从正态分布。
（2）
方差齐性检验：
var.test(x,y)

P值大于0.05，接受原假设，即x和y的方差相同。
（3）
wilcox.test(x,y,al="l",exact=F,paired=F)

P值小于0.05，拒绝原假设，x和y两者有差别。

#6
binom.test(57,n=400,p=0.147,al="l")

P值大于0.05，接受原假设，表示调查结果支持该市老年人口的看法。

#7
binom.test(178,328,p=0.5,alte