【2017年整理】R语言基础培训第二讲 常用统计分析.pptx

基于R的基本统计分析;内容提要;描述分析(Descriptive statistics);标准差（std.dev）和标准误（SE.mean）;标准差（std.dev）和标准误（SE.mean）;在实际的应用中，标准差主要有两点作用，一是统计量样本离散程度的表征；二是用来对样本进行标准化处理，即样本观察值减去样本均值，然后除以标准差，这样就变成了标准正态分布。标准误的作用主要是用来做区间估计，常用的估计区间是均值加减n倍的标准误（例如95%的置信区间是：均值+1.96*SE）;95% CI: 假设上面这个随机抽样估计学生身高的例子，抽样100次，每次抽10个学生测量身高，均值估计值及标准误为 152cm±12cm。但有时需要表示为估计量的95%的置信区间[152cm-1.96*12cm，152cm+1.96*12cm]。可以解释为，如果从再从总体中抽样100次（每次抽样10个），产生100个平均值，这100个平均值将有95次落在[152cm-1.96*12cm，152cm+1.96*12cm]这个范围内，5次落在这个范围外，如果抽样次数越多，这个推断越准确。这个来源于中心极限定理的应用：任何分布(总体)抽样n次，每次抽样的和符合正态分布。通俗一点说, 不管是学校的学生身高是怎么分布, 每次随机抽取10个求和, 抽取n次，这n个身高总和是符合正态分布的。平均身高为身高总和除于10，所以平均身高也是正态分布的。正态分布双尾95%的分界点所对应的值刚好是1.96。 ;;峰度（Kurtosis）;偏度（Skewness）;频数表(Frequency table)分析;频数表分析例子;方差分析ANOVA;单因素方差分析;## Tukey HSD 方法 ## install.packages(multcomp) library(multcomp) tuk - glht(fit, linfct = mcp(Treat = Tukey)) summary(tuk) # standard display tuk.cld - cld(tuk) # letter-based display opar - par(mai=c(1,1,1.5,1)) plot(tuk.cld) par(opar);双因素（无重复）方差分析 ;多重比较;重复试验的双因素方差分析;协方差分析(analysis of covariance);单因素协方差分析;双因素协方差分析;t检验;3.5.1 单样本检验;25;卡方检验(χ 2 test);卡方检验;卡方检验;卡方检验（列联表）;练习四;练习四 答案;#问题4 t.test(df$weight, mu = 60, alternative = two.sided) wt.m-subset(df$weight,df$Sex==‘男) wt.f-subset(df$weight,df$Sex==‘女) var.test(wt.m,wt.f) #等方差检验 t.test(wt.m,wt.f, paired=F) #问??5 summary(df$Sex) ct-c(87, 33) pt - c(1.2/2.2, 1.0/2.2) chisq.test(ct, p = pt);线性回归;3.6.1 简单线性回归;计算校正R2;多项式回归;多元线性逐步回归;最优线性回归方程为： y= -649.779 + 14.592×x1 + 6.841×x2 + 9.329×x3 回归方程表明：对于川农 16 号小麦而言，当 x2 和 x3 固定时，穗数 x1 每增加 1万/亩，产量 y 将平均增加 14.592Kg/亩；当 x1 和 x3 固定时，每穗粒数 x2 每增加 1粒，产量 y 将平均增加 6.841Kg/亩；当 x1 和 x2 固定时，千粒重 x3 每增加 1g，产量y 将平均增加 9.329 Kg/亩。 ;自变量的作用主次;交互作用多元线性回归;练习四;练习四 答案;#问题4 t.test(df$weight, mu = 60, alternative = two.sided) wt.m-subset(df$weight,df$Sex2==1) wt.f-subset(df$weight,df$Sex2==2) var.test(wt.m,wt.f) #等方差检验 t.test(wt.m,wt.f, paired=F) #问题5 summary(df$Sex) ct-c(87, 33) pt - c(1.2/2.2, 1.0/2.2) chisq.test(ct, p = pt);相关分析;Pearson、Spearman和Kendall