一条小黑龙的博客

目录1、小组分工2、数据采集与预处理2.1、数据采集与校正2.2、数据异常值检验与处理2.2.1缺失值检测与处理2.2.2离群点检测与处理3、相关性分析与相关性检验3.1、相关性分析3.2、相关性检验4、拟合回归方程4.1、使用主成分分析拟合一元线性回归方程4.2、使用最小二乘法拟合多元线性回归方程5、模型评估与回归诊断6、结果分析1、小组分工A：编写代码、数据采集、整合分析过程、编写实验报告B：数据整理、数据校正C：数据整理、数据校正D：查找报告有无.

原始数据代码data = read.csv('原始数据.csv',header = T)# 画图attach(data)par(mfrow=c(2,2))plot(年份, 报名人数, pch = 15, lty = 1, col = "red", xlab = "年份", ylab = "报名人数")abline(lsfit(年份,报名人数))plot(年份, 录取人数, type = "b", pch = 16, lty = 2, col = "blue", xlab = "年份",

转载自：https://www.cnblogs.com/awishfullyway/p/6677006.html我们经常会遇到两个数据框拥有相同的时间或观测值，但这些列却不尽相同。处理的办法就是使用merge(x, y ,by.x = ,by.y = ,all = ) 函数。#合并ID<-c(1,2,3,4)name<-c("A","B","C","D")score<-c(60,70,80,90)student1<-data.frame(ID,name)student2

题目要求作业内容：在30000个人中抽取100000次，抽样数量依次为20,40，…500，并最后以抽取数量为自变量，概率为因变量作图。考察知识点规则向量的生成如何在向量中添加数据mean、sample的使用绘图函数plot的使用思路首先读取数据，因为得到的数据是data.frame格式，我们先将其转化为矩阵形式，然后转化为一维向量格式，便于抽取样本。做一个双重循环，针对每个样本容量，都进行100000次实验，变量sum用来统计符合条件的次数。使用sample函数，指定replace=

看到有用的就记一下，嗯，一切随缘，爱你

参数与非参数假设检验参数检验就是符合正态分布，非参数检验就是不符合正态分布，判断是否符合正态分布就看p-value是否大于0.05，大于就符合，部分时候专家会对p-value()进行修改，例如0.01啥的，题目没要求就默认p是0.05Student‘s t test (T检验)描述t分布，又称Student t分布（Student‘s t distribution），记作t ~ t(v)。t分布十分有用，它是总体均数的区间估计和假设检验的理论基础。示例X<-c(78.1,72.4,76

R语言常见图形汇总，使用R默认的高级函数和ggplot2等多个包

R语言基础知识汇总