建模与R软件课程作业概要1.docxVIP

下载本文档

68
0
约4.03千字
约 10页
2017-07-09 发布于湖北
举报
版权申诉

建模与R软件课程作业概要1.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

建模与R软件课程作业概要1

餐馆?售货机数量?咖啡销售量（/杯）?餐馆?售货机数量?咖啡销售量（/杯）?1?0?508.1?8?3?697.5?2?0?498.4?9?4?755.3?3?1?568.2?10?4?758.9?4?1?577.3?11?5?787.6?5?2?651.7?12?5?792.1?6?2?657.0?13?6?841.4?7?3?713.4?14?6?831.8??《?建?模?与R软?件?》?课?程?作?业??学号名：江俊逸成绩：???1.一位饮食公司的分析人员想调查自助餐馆中的自动咖啡售货机数量与咖啡销售量的关系，他选择了?14?家餐馆来进行实验。这?14?家餐馆在营业额、顾客类型和地理位置方面都是相近的。放在试验餐馆的自动售货机数量从?0（这里咖啡由服务员端来）到?6?不等，并且是随机分配到每个餐馆的。表?1所示的是关于试验结果的数据。???（1）?作线性回归模型；?（2）?作多项式回归模型?（3）?画出数据的散点图和拟合曲线。?[??提示：参考《统计建模与?R?软件》第?6?章的相关内容。]????????解：?####输入数据，作线性回归模型X-data.frame(x=c(0,0,1,1,2,2,3,3,4,4,5,5,6,6),y=c(508.1,498.4,568.2,577.3,651.7,657.0,713.4,697.5,755.3,758.9,787.6,792.1,841.4,831.8))lm.sol-lm(y ~ x,data=X)summary(lm.sol)显示结果Call:lm(formula = y ~ x, data = X)Residuals: Min 1Q Median 3Q Max -25.400 -11.484 -3.779 14.629 24.921 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 523.800 8.474 61.81 2e-16 ***x 54.893 2.350 23.36 2.26e-11 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 17.59 on 12 degrees of freedomMultiple R-squared: 0.9785, Adjusted R-squared: 0.9767 F-statistic: 545.5 on 1 and 12 DF, p-value: 2.265e-11回归系数与回归方的检验都是显著的，故回归方程为：####画散点图及拟合曲线plot(X$x,X$y)abline(lm.sol)结果如下：####作多项式拟合lm.sol_1-lm(y ~ x+I(x^2),data=X)summary(lm.sol_1)显示结果Call:lm(formula = y ~ x + I(x^2), data = X)Residuals: Min 1Q Median 3Q Max -10.6643 -5.6622 -0.4655 5.5000 10.6679 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 502.5560 4.8500 103.619 2e-16 ***x 80.3857 3.7861 21.232 2.81e-10 ***I(x^2) -4.2488 0.6063 -7.008 2.25e-05 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 7.858 on 11 degrees of freedomMultiple R-squared: 0.9961, Adjusted R-squared: 0.9953 F-statistic: 1391 on 2 and 11 DF, p-value: 5.948e-14回归系数与回归方的检验都是显著的，故回归方程为：####画散点图及拟合曲线xfit-seq(0,6,len=200);yfit-predict(lm.sol