第十讲R语言.ppt

第十讲 R语言中的统计 一、R语言中的概率 分布函数的形式rfunc(n,p1,p2,...)，其中func指概率分布函数，n为生成数据的个数，p1, p2, . . . 是分布的参数数值。 如：rnorm #随机产生正态分布的数据 rnorm(100,2,5) #mean=1,sd=5 随机分布函数rfunc r:random 密度函数dfunc d:density 累计概率密度函数pfunc p:probability 分位数函数qfunc q:quantile 二、描述性统计 三、假设检验 四、回归 1、统计上常用回归的方法探讨两个或多个变量之间的关系。 2、回归分析的目的是揭示出呈因果关系的相关变量间的联系形式，建立回归方程，利用所建立的回归方程由自变量来预测因变量。 3、回归问题分为一元回归、多元线性回归与非线性回归，其牵涉到的问题为模型的选择及回归精度的评价。 五、广义线性模型 六、相关分析 如果两个变量间呈线性关系，又不需要由x来估计y，只需了解x和y的相关程度以及相关性质，可以通过计算表示x和y相关程度和性质的统计数——相关系数来进行研究。 summary(lm(dist~speed,data=cars)) Call: lm(formula = dist ~ speed, data = cars) Residuals: Min 1Q Median 3Q Max -29.069 -9.525 -2.272 9.215 43.201 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) -17.5791 6.7584 -2.601 0.0123 * speed 3.9324 0.4155 9.464 1.49e-12 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 15.38 on 48 degrees of freedom # 残差的标准误 Multiple R-squared: 0.6511, Adjusted R-squared: 0.6438 # 相关系数的平方 F-statistic: 89.57 on 1 and 48 DF, p-value: 1.490e-12 # F值, 整体回归的检验 回归模型的详细信息 总平方和(SS总)=残差平方和(SS残)+回归平方和(SS回) 残差的标准误 相关系数的平方 S=sqrt(SS残/n-2) R2=SS回/SS总 评价模型的适配性 car.2-lm(dist~1+speed+I(speed^2),data=cars) summary(car.2) Call: lm(formula = dist ~ 1 + speed + I(speed^2), data = cars) Residuals: Min 1Q Median 3Q Max -28.720 -9.184 -3.188 4.628 45.152 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 2.47014 14.81716 0.167 0.868 speed 0.91329 2.03422 0.449 0.656 I(speed^2) 0.09996 0.06597 1.515 0.136 Residual standard error: 15.18 on 47 degrees of freedom Multiple R-squared: 0.6673, Adjusted R-squared: 0.6532 F-statistic: 47.14 on 2 and 47 DF, p-value: 5.852e-12 anova(car.2) Analysis of Variance Table Response: dist D