实验4 R绘图（一）
一、实验目的：
1. 掌握描述性统计分析中常用的统计量；
2. 掌握R语言绘制直方图、密度估计曲线、经验分布图和QQ图的方法； 3. 掌握R语言绘制茎叶图、箱线图的方法；
4. 掌握W检验方法和K-S检验方法完成数据的正态分布检验。
二、实验内容：
练习： 要求：①完成练习并粘贴运行截图到文档相应位置(截图方法见下)，并将所有自己输入文字的字体颜色设为红色（包括后面的思考及小结），②回答思考题，③简要书写实验小结。④修改本文档名为“本人完整学号姓名1”，其中1表示第1次实验，以后更改为2,3,...。如文件名为“1305543109张立1”，表示学号为1305543109的张立同学的第1次实验，注意文件名中没有空格及任何其它字符。最后连同数据文件、源程序文件等（如果有的话，本次实验没有），一起压缩打包发给课代表，压缩包的文件名同上。 截图方法：
法1：调整需要截图的窗口至合适的大小，并使该窗口为当前激活窗口（即该窗口在屏幕最前方），按住键盘Alt键（空格键两侧各有一个）不放，再按键盘右上角的截图键（通常印有“印屏幕”或“Pr Scrn”等字符），即完成截图。再粘贴到word文档的相应位置即可。 法2：利用QQ输入法的截屏工具。点击QQ输入法工具条最右边的“扳手”图标，选择其中的“截屏”工具。）
1. 自行完成教材P107页开始的3.1-3.2节中的例题。
2. 以前在做实验1的练习时，我们画过直方图。当时的题目是这样的：
利用hist()函数画直方图。
> X<-c(35,40,40,42,37,45,43,37,44,42,41,39) > hist(X)
这次实验先重新运行以上命令后，接着运行以下命令： > windows() #R作图会覆盖前一幅图，此命令是新开一个画图窗口 > hist(X, freq=F)
把两个图分别截下复制到下面，进行比较，你发现有什么不同？ 答：纵坐标不同，一个是频数（Frequency），一个是密度(Density)
如果想把这两幅图画在同一个画图窗口中，可以输入以下命令： > par(mfrow=c(1,2)) #在一个窗口里放多张图，这里是1行2列共2个图 > hist(X)
> hist(X,freq=F) 运行结果截图：
3. （习题3.1）某单位对100名女生测定血清总蛋白含量（g/L），数据如下：
74.3 78.8 68.8 78.0 70.4 80.5 80.5 69.7 71.2 73.5 79.5 75.6 75.0 78.8 72.0 72.0 72.0 74.3 71.2 72.0 75.0 73.5 78.8 74.3 75.8 65.0 74.3 71.2 69.7 68.0 73.5 75.0 72.0 64.3 75.8 80.3 69.7 74.3 73.5 73.5 75.8 75.8 68.8 76.5 70.4 71.2 81.2 75.0 70.4 68.0 70.4 72.0 76.5 74.3 76.5 77.6 67.3 72.0 75.0 74.3 73.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.7 67.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.7 75.8 73.5 75.0 73.5 73.5 73.5 72.7 81.6 70.3 74.3 73.5 79.5 70.4 76.5 72.7 77.2 84.3 75.0 76.5 70.4 计算均值、方差、标准差、极差、标准误、变异系数、偏度、峰度。
要求：先将上述数据单独存为一个文本文件，名字为STP.txt。然后利用scan()函数读取并计算。
源代码及运行结果（不需要截图，直接把运算结果复制过来）： data_outline<-function(x){ n<-length(x) m<-mean(x) v<-var(x) s<-sd(x)
me<-median(x) cv<-100*s/m
css<-sum((x-m)^2) uss<-sum(x^2) R<-max(x)-min(x)
R1<-quantile(x,3/4)-quantile(x,1/4) sm<-s/sqrt(n)
g1<-n/((n-1)*(n-2))*sum((x-m)^3)/s^3
g2<-((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4-(3*(n-1)^2)/((n-2)*(n-3)))
data.frame(N=n,Mean=m,Var=v,std_dev=s,Median=me,std_mean=sm,CV=cv,CSS=css,USS=uss,R=R,R1=R1,Skewness=g1,Kurtosis=g2,row.names=1) }
进入R，
>source(\>w<-scan(\>w
>data_outline(w) 运行结果：
N Mean Var std_dev Median std_mean CV CSS USS R
1 100 73.668 15.51513 3.938925 73.5 0.3938925 5.34686 1535.998 544233.4 20 R1 Skewness Kurtosis 1 4.6 0.0540593 0.03702249
4. （习题3.2）绘出习题3.1的直方图、密度估计曲线、经验分布图和QQ图，并将
密度估计曲线与正态密度曲线相比较，将经验分布曲线与正态分布曲线相比较（其中正态曲线的均值和标准差取习题3.1计算出的值）。
注意：以上4个图形的颜色自行定义，只要能区分开来就行。
源代码：
> hist(w,freq=FALSE)
> lines(density(w),col=\> x<-64:85
> lines(x,dnorm(x,mean(w),sd(w)),col=\> plot(ecdf(w),verticals=TRUE,do.p=FALSE) > lines(x,pnorm(x,mean(w),sd(w)),col=\> qqnorm(w,col=\> qqline(w,col=\运行截图：