r 语言第五章作业(20 页)Good is good, but better carries it.精益求精，善益求善。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)实验组和对比组的 P 值均大于 0.05，故接受原假设，即实验组和对比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)实验组和对比组的 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...
