R的簡單介紹和線性回歸ppt課件

1、R學(xué)習(xí)的分享目錄一、R的介紹 1.R的特點 2.R的界面 3.R的使用注意事項二、R中數(shù)據(jù)創(chuàng)建 1.數(shù)據(jù)的輸入 1.1. 向量 1.1.1向量的賦值 1.1.2有序向量的賦值 1.2.矩陣的創(chuàng)建 1.3.數(shù)據(jù)框的創(chuàng)建 1.3.1表格輸入 1.3.2數(shù)據(jù)框的直接輸入 2.數(shù)據(jù)讀入目錄三、統(tǒng)計分析方法簡介3.1方差分析和多重比較 3.1.1方差分析和多重比較的命令調(diào)用3.2假設(shè)檢驗 3.2.1假設(shè)檢驗的命令調(diào)用3.3主成分和因子分析 3.3.1主成分和因子分析的命令調(diào)用3.4判別分析及命令3.5聚類分析 3.5.1聚類分析函數(shù)的命令調(diào)用3.6回歸分析 3.6.1回歸分析的詳細(xì)解釋 R R的介紹的介

2、紹 R是什么： R是一個有著統(tǒng)計分析功能及強(qiáng)大作圖功能的軟件系統(tǒng)，是由奧克蘭大學(xué)統(tǒng)計學(xué)系的Ross Ihaka和Robert Gentleman共同創(chuàng)立，并受到貝爾實驗室s語言的影響。R的特點 1.免費性：R是一個免費的統(tǒng)計分析軟件； 2.運算能力強(qiáng)大：同Matlab一樣不需要編譯就可執(zhí)行代碼；3.幫助功能完善：可通過help命令可隨時了解R所提供的各類函數(shù)的使用方法或例子； 4.R有頂尖水準(zhǔn)的制圖：在可視化方面，R的效果特別好，并能保存為各種形式的文件； 5.統(tǒng)計分析能力尤為突出：R內(nèi)嵌了許多統(tǒng)計分析函數(shù)，一些中間結(jié)果既可保存到專門的文件，也可直接用于進(jìn)一步的分析。 6.R的界面中文版的R界

3、面從后開始輸入數(shù)據(jù)，代碼等R的使用注意事項R的命令對大小寫敏感，這在使用命令方式安裝和載入程序包時應(yīng)特別注意。輸入R的命令中盡量使用英文字符，避免使用中文字符。同一行中可輸入多個命令，需用 ； 隔開，# 認(rèn)為是注釋內(nèi)容，不予執(zhí)行。R中所有的函數(shù)后都帶圓括號賦值一般用 a a 1 1 2 3 4 5 b b1 one two three four five“ d d1 TRUE FALSE1.1.2有序向量的賦值 生成有序的向量可以使用seq命令， s1 s1 1 -5.0 -4.5 -4.0 -3.5 -3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.51

4、5 2.0 2.5 3.0 3.5 4.0 4.5 5.0還有其他的賦值向量的命令不再詳細(xì)舉例。1.2.矩陣創(chuàng)建創(chuàng)建一個矩陣：Mymatix cells rnames cnamesmymatrix mymatrix C1 C2R1 1 26R2 24 681.3.1表格輸入如果要輸入以下表格的數(shù)據(jù)可以使用矩陣，也可用數(shù)據(jù)框的形式 bloodtype jnbq cs xjt xjgs patientdata patientdata bloodtype jnbq cs xjt xjgs1 zc 8.90 12.00 34.71 44.002 lj 10.63 18.05 46.18 67.243

5、yc 19.84 30.55 73.06 116.82血壓狀態(tài)血壓狀態(tài) 冠狀動脈冠狀動脈機(jī)能不全機(jī)能不全猝死猝死心絞痛心絞痛心肌梗塞心肌梗塞正常正常8.91234.7144臨界臨界10.6318.0546.1867.24異常異常19.8430.5573.06116.821.3.2數(shù)據(jù)框的直接輸入同樣的，可以在R中新建數(shù)據(jù)框，直接輸入數(shù)據(jù)。命令格式如下：比如創(chuàng)建一個名為mydata的數(shù)據(jù)框，它含有三個變量，age(數(shù)值型)、gender字符型）、weight數(shù)值型）。命令為： mydata mydata-edit(mydata)2.數(shù)據(jù)讀入R可以讀取多種形式的形式。 以導(dǎo)入csv，xls，txt

6、為例：mydataframemydataframe library(RODBC) channel mydataframe odbcClose(channel)txt讀?。?mydata choose.dir()或者 file.choose()直接從彈出的對話框中了來查找文件。三、統(tǒng)計分析方法簡介統(tǒng)計分析方法：統(tǒng)計分析方法：常用的主要方法有：線性回歸，方差分常用的主要方法有：線性回歸，方差分析與多重比較，假設(shè)檢驗，主成分和析與多重比較，假設(shè)檢驗，主成分和因子分析，判別分析，聚類分析。因子分析，判別分析，聚類分析。3.1方差分析方差分析：用于分析分類型自變量與數(shù)值型自變量之間的關(guān)方差分析：用于分析

7、分類型自變量與數(shù)值型自變量之間的關(guān)系，即分析多各總體均值是否相等的方法。具體根據(jù)影響因素系，即分析多各總體均值是否相等的方法。具體根據(jù)影響因素的不同，可以分為單因素方差分析，雙因素方差分析的不同，可以分為單因素方差分析，雙因素方差分析例：某城市從例：某城市從4 4個排污口取水，進(jìn)行某種處理后檢測大腸桿個排污口取水，進(jìn)行某種處理后檢測大腸桿菌數(shù)量，單位面積內(nèi)菌落數(shù)如下表所示，請分析各個排污口的菌數(shù)量，單位面積內(nèi)菌落數(shù)如下表所示，請分析各個排污口的大腸桿菌數(shù)量是否有差別。大腸桿菌數(shù)量是否有差別。排污口屬于分類型自變量，大腸桿菌數(shù)量屬于數(shù)值型因變量。排污口屬于分類型自變量，大腸桿菌數(shù)量屬于數(shù)值型因變

8、量。 分析的問題是：不同排污口大腸桿菌的數(shù)量是否相等。分析的問題是：不同排污口大腸桿菌的數(shù)量是否相等。排污口排污口1 12 23 34 4大腸桿菌數(shù)量9,12,7,520,14,18,1212,7,6,1023,13,16,21方差分析代碼X-c(9,12,7,5,20,14,18,12,12,7,6,10,23,13,16,21)A-factor(rep(1:4,each=4)fcfx-data.frame(X,A)fcfxaov.fcfx-aov(XA,data=fcfx)summary(aov.fcfx)plot(fcfx$Xfcfx$A)pairwise.t.test(X,A,p.ad

9、just.method=holm)TukeyHSD(aov(XA,fcfx)3.1多重比較多重比較是在方差分析得到否定結(jié)論后，為確定是哪些組之間存在差異，兩兩之間進(jìn)行的比較分析。假設(shè)上述問題經(jīng)分析得到的結(jié)果是四個排污口的大腸桿菌的數(shù)量是有差異的。那么具體是哪些排污口數(shù)量不同造成的，可進(jìn)行多重比較。3.1.1方差分析與多重比較命令函數(shù)的調(diào)用格式：aov.miss-aov(formula,data=Null,projections=FALSE,qr=TRUE,contrast=NULL,)多重比較的T檢驗命令pairwise.t.test(x,g,p.adjust.method=p.adjust.

10、methods,poor.sd=TRUE,)x是影響變量構(gòu)成的向量，g是分組向量因子）方差分析的對象數(shù)據(jù)框是否返回邏輯預(yù)測值是否返回QR分解因素對比合并方差調(diào)整p值3.2假設(shè)檢驗 假設(shè)檢驗是依據(jù)樣本去推測總體特征。假設(shè)檢驗是依據(jù)樣本去推測總體特征。 思想：是基于小概率事件在一次試驗中不思想：是基于小概率事件在一次試驗中不發(fā)生的原理。發(fā)生的原理。 某車間用一臺包裝機(jī)包裝精鹽某車間用一臺包裝機(jī)包裝精鹽, , 額定標(biāo)額定標(biāo)準(zhǔn)每袋凈重準(zhǔn)每袋凈重500g, 500g, 設(shè)包裝機(jī)包裝出的鹽每設(shè)包裝機(jī)包裝出的鹽每袋凈重袋凈重XNXN，22） 某天隨機(jī)地抽取某天隨機(jī)地抽取9 9袋袋, , 稱得凈重為稱得凈重為

11、490,506, 508, 502, 498, 490,506, 508, 502, 498, 511, 510, 515, 512. 511, 510, 515, 512. 問該包裝機(jī)工作是問該包裝機(jī)工作是否正常否正常? ? H0 H0：=500 H1=500 H1：500500 3.2.1假設(shè)檢驗命令調(diào)用z.test-function(x,n,sigma,alpha,u0=0,alternative=“two.sided”)類似的可以調(diào)用t.test,chisq.var.test檢驗3.3主成分和因子分析 主成分分析：將多個變量通過線性變換以選出較少個數(shù)重要變量，而又盡可能多的保留原始樣本

12、的信息。 因子分析：用少數(shù)幾個因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子，以較少的幾個因子反映原資料的大部分信息。3.3.1主成分分析隨機(jī)抽取30名某年級中學(xué)生,測量其身高(X1), 體重(X2), 胸圍(X3), 坐高(X4), 數(shù)據(jù)如下表所示, 試對這30名學(xué)生身體四項指標(biāo)作主成分分析。 序號 X1 X2 X3 X4 序號 X1 X2 X3 X4 1 148 41 72 78 2 34 71 76 3 160 49 77 86 4 149 36 67 79 5 159 45 80 86 6 142 31 66 76 7 153 43

13、 76 83 8 150 43 77 79 9 151 42 77 80 10 31 68 74 11 140 29 64 74 12 161 47 78 84 通過對以上四項指標(biāo)做主成分分析，可以構(gòu)造由四個指標(biāo)的線性組合組成的主成分，來解釋數(shù)據(jù)。本例中經(jīng)過主成分分析中可構(gòu)造出一個反應(yīng)學(xué)生魁梧成度的主成分y1和反應(yīng)學(xué)生胖瘦的主成分y2。主成分分析代碼x-read.csv(student.csv)student.pr weight fhl womendataplot(fhlweight, type=b,col=red,xlab=體重,ylab=肺活量,xlim=c(40,50),ylim=c(0

14、,3.5) 通過圖形發(fā)現(xiàn)，體重與肺活量之間有較強(qiáng)的線性關(guān)系。進(jìn)一步做線性回歸分析： fit summary(fit)Call:lm(formula = fhl weight, data = womendata)Residuals: Min 1Q Median 3Q Max -0.30590 -0.16699 0.03269 0.12481 0.33128 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) -1.58154 1.27732 -1.238 0.2619 weight 0.09321 0.02741 3.401 0.0145 *-Signif. codes: 0 * 0.001 * 0.01 * 0.05 . 0.1 1Residual standard error: 0.2421 on 6 degrees of freedomMultiple R-squared: 0.65