统计学——基于R（第3版）（基于R应用的统计学丛书）作者：贾俊平 习题答案 第三章

3.1

load("C:/统计学/《统计学—基于R》（第3版）—例题和习题数据（公开资源）/exercise/ch3/exercise3_1.RData")
exercise3_1
#平均数
mean(exercise3_1$网购金额)
#标准差
sd(exercise3_1$网购金额)
#极差
R<-diff(range(exercise3_1$网购金额));R
#四分位差
quantile(exercise3_1$网购金额,probs=c(0.25,0.5,0.75),type=6)
#百分位数
quantile(exercise3_1$网购金额,probs=c(0.1,0.25,0.5,0.75,0.9),type=6)
#标准分数
as.vector(round(scale(exercise3_1$网购金额),4))  #有数据离群点是1,10,19,28,37,46
#偏度系数
install.packages("agricolae")
library(agricolae) 
skewness(exercise3_1$网购金额)
#峰度系数
kurtosis(exercise3_1$网购金额)  #中等偏度分布和尖峰分布

3.2

load("C:/统计学/《统计学—基于R》（第3版）—例题和习题数据（公开资源）/exercise/ch3/exercise3_2.RData")
exercise3_2
#平均数
d1<-mean(exercise3_2$方法A)
d1
d2<-mean(exercise3_2$方法B)
d2
d3<-mean(exercise3_2$方法C)
d3
#偏度系数
library(agricolae) 
skewness(exercise3_2$方法A)
skewness(exercise3_2$方法B)
skewness(exercise3_2$方法C)
#峰度系数
kurtosis(exercise3_2$方法A)
kurtosis(exercise3_2$方法B)
kurtosis(exercise3_2$方法C)
#用直方图比较
attach(exercise3_2)
par(fig=c(0,0.8,0,0.8),cex=0.8)
hist(方法A,xlab="方法A",ylab="密度",freq =FALSE,col="lightblue",main="")
rug(jitter(方法A))
lines(density(方法A),col="red")
par(fig=c(0,0.8,0.35,1),new=TRUE)
boxplot(方法A,horizontal=TRUE,axes=FALSE)

attach(exercise3_2)
par(fig=c(0,0.8,0,0.8),cex=0.8)
hist(方法B,xlab="方法B",ylab="密度",freq =FALSE,col="lightblue",main="")
rug(jitter(方法B))
lines(density(方法B),col="red")
par(fig=c(0,0.8,0.35,1),new=TRUE)
boxplot(方法B,horizontal=TRUE,axes=FALSE)

attach(exercise3_2)
par(fig=c(0,0.8,0,0.8),cex=0.8)
hist(方法C,xlab="方法C",ylab="密度",freq =FALSE,col="lightblue",main="")
rug(jitter(方法C))
lines(density(方法C),col="red")
par(fig=c(0,0.8,0.35,1),new=TRUE)
boxplot(方法C,horizontal=TRUE,axes=FALSE)
#茎叶图
library(aplpack)
stem.leaf(exercise3_2$方法A)
stem.leaf(exercise3_2$方法B)
stem.leaf(exercise3_2$方法C)

3.3

load("C:/统计学/《统计学—基于R》（第3版）—例题和习题数据（公开资源）/exercise/ch3/exercise3_3.RData")
exercise3_3
#茎叶图
library(aplpack)
stem.leaf(exercise3_3$男生)
stem.leaf(exercise3_3$女生)

#平均数
mean(exercise3_3$男生)
mean(exercise3_3$女生)
#众数
mode<-function(x){
     
 ux<-sort(unique(x))             # 列出每一个的数值并排序
 tab<-tabulate(match(x,ux))      # 比较x与ux中相同的数值，列出它们在ux中位置，再计算每个位置的频数
 ux[tab==max(tab)]               # 找出ux对象中频数最多的元素
 }
mode(exercise3_3$男生)            # 使用mode函数计算对象的众数
mode(exercise3_3$女生)