《用软件做聚类分析的例子》由会员分享，可在线阅读，更多相关《用软件做聚类分析的例子（95页珍藏版）》请在金锄头文库上搜索。
1、应用统计分析 R软件实现应用统计分析实验应用统计分析实验 R R软件软件应用统计分析 R软件实现SPSS：这是一个很受欢迎的统计软件u容易操作，u输出漂亮，u功能齐全，u价格合理。u对于非统计工作者是很好的选择。应用统计分析 R软件实现SAS：这是功能非常齐全的软件；u美国政府政策倾斜(“权威性”)u许多美国公司使用。u价格不菲,每年交费.即使赠送,条件苛刻u尽管现在已经尽量“傻瓜化”，仍然需要一定的训练 才可以进入。应用统计分析 R软件实现R软件：免费的,志愿者管理的软件。u编程方便，语言灵活，图形功能强大u有不断加入的各个方向统计学家编写的统计软件包 。也可以自己加入自己算法的软件包.u这
2、是发展最快的软件，受到世界上统计师生的欢迎 。是用户量增加最快的统计软件。u对于一般非统计工作者来说，主要问题是它没有“傻 瓜化”。应用统计分析 R软件实现lMinitab：这个软件是很方便的功能强大而又齐全的 软件，也已经“傻瓜化”，在我国用的不如SPSS与 SAS那么普遍。lEviews：这是一个主要处理回归和时间序列的软件 。lGAUSS：这是一个很好用的统计软件，许多搞经济 的喜欢它。主要也是编程功能强大。目前在我国使 用的人不多。lMATLAB：这也是应用于各个领域的以编程为主的 软件，在工程上应用广泛。但是统计方法不多。应用统计分析 R软件实现R的历史lS语言在1980年代后期在A
3、T它是一个由志愿者组成的工作努力的国际 团队应用统计分析 R软件实现下载R软件 http:/www.r-project.org学习网站 http:/www.biosino.org/pages/newhtm/r/schtml/应用统计分析 R软件实现R软件的使用1数据描述性统计2回归分析3判别分析4聚类分析5主成分分析6因子分析7应用统计分析 R软件实现n 基本语法 n 向量 n 矩阵 n list与data.frame n 读写数据文件 n 控制语句与自定义函数一. R软件的使用应用统计分析 R软件实现n 基本语法1. 变量使用即定义: 变量名区分大小写, 也可用中文命名变量赋值可采用4种形式
4、：=，, assign()变量类型自动由变量赋值确定。 a=10; bc ; assign(“d”,40) 中国=“中华人民共和国” #生成字符串变量2.注释符号 # 语句连接符 ;应用统计分析 R软件实现3. 算术运算符: +,-,*,/,(乘方),% (模), %/% (整除) 4.常用的数学函数有:abs , sign , log , log2, log10 , sqrt , exp , sin , cos , tan , acos , asin, atan , cosh , sinh， tanh5. 查看帮助 help(round)?abs应用统计分析 R软件实现n 向量 1.向量的赋
5、值(一维数组, 下标从1开始) a=c(d1,d2,d3,)间隔为1的等差序列: a:b指定间隔的等差序列: seq(from,to,by) seq(length, from, by) 重复序列： rep(vec, times) rep(vec,times,len,each) a=c(3,5,8,10); b=1:10; c=seq(1,10,2); d=seq(-pi,pi, 0.2)e=rep(a,3); f=rep(a, 2, each=3) 随机向量 rnorm(10) #10个服从标准正态分布的随机数应用统计分析 R软件实现a=1:5 (b=1:5) #同上，只不过显示出来 a2 #
6、取出a中第二个元素 ac(2,4)=c(4,8) #修改a中第2、4个元素分别为4、8 a-5 #扣除第5个元素取出来a0,1 #第1列大于0的元素 x,-c(1,3) #没有第1、3列的x x-2,-c(1,3)#没有第2行、第1、3列的x.1.矩阵的元素访问应用统计分析 R软件实现2. 2. 矩阵的维数问题矩阵的维数问题dim(Adim(A) #) #获得维数获得维数, ,返回向量返回向量nrow(Anrow(A) ,) ,ncol(Ancol(A) #) #获得行数和列数获得行数和列数rownames(Arownames(A), ), colnames(Acolnames(A) #) #
7、访问各维名称访问各维名称应用统计分析 R软件实现3. 向量和数组/矩阵的转化: 只要定义向量的维数即可 实现向量和数组转化c=1:12; a=matrix(c, nrow=2,ncol=6) dim(c)=c(3,4) b=as.vector(c)A=diag(c(1,4,5) #以向量为对角元生成对角矩阵 a=diag(A) #获取矩阵的对角元应用统计分析 R软件实现3. 3. 矩阵运算矩阵运算+,-,*,/ +,-,*,/ 分别是矩阵内部元素的四则运算分别是矩阵内部元素的四则运算向量矩阵间：向量按列匹配与矩阵运算向量矩阵间：向量按列匹配与矩阵运算 例如：例如：A=matrix(1:6, A
8、=matrix(1:6, nrownrow=3)=3)B=matrix(10:15,nrow=3) B=matrix(10:15,nrow=3)C=c(100,200) C=c(100,200) 则：则： A+B A*B A+CA+B A*B A+C11 17 10 52 101 204 11 17 10 52 101 204 13 19 22 70 202 10513 19 22 70 202 105 15 21 36 90 103 20615 21 36 90 103 206应用统计分析 R软件实现A %*% B #A %*% B #乘法乘法t(matt(mat) ) # #转置转置 de
9、t(matdet(mat) )# #行列式行列式 solve(matsolve(mat) )# #逆矩阵逆矩阵 eigen(mateigen(mat) ) # #求特征值与特征向量求特征值与特征向量应用统计分析 R软件实现4.多维数组a=array(data=1:24,dim=c(2,3,4) a,1应用统计分析 R软件实现n n列表和数据框列表和数据框1. 1. 列表是一种特殊的对象集合，各元素类型任意列表是一种特殊的对象集合，各元素类型任意生成：生成： list(name1=value1, , list(name1=value1, , namennamen= =valuenvaluen)
10、)访问访问/ /修改：对象名修改：对象名 下标下标 或或 对象名对象名$ $nameinamei stustu= =list(agelist(age=10, name=“Tom”, =10, name=“Tom”, interests= interests=c(“swimming”,”drawingc(“swimming”,”drawing”)”) stu2stu2 stu$namestu$name stu$namestu$name=“john”=“john”names(stu) #得到所有的对象名应用统计分析 R软件实现2. 2. 数据框是数据框是R R的一种数据结构，以矩阵形式保存数据的一
11、种数据结构，以矩阵形式保存数据 各列类型可以不同，每列为一变量，每行为样品各列类型可以不同，每列为一变量，每行为样品各列长度相等各列长度相等 data.framedata.frame( )( )stu=data.frame(name=c(Tom, Rose), age=c(30,32) names(stu) #得到所有的变量名 colnames(stu) #列名，同上 rownames(stu) #得到行名 attach(x) #把数据框中的变量链接到内存中x=data.frame(matrix(1:6,nrow=2) #矩阵转化为数据框应用统计分析 R软件实现x=data.frame(id=
12、101:120,score=round(rnorm(20,7 0,10) #取出前两行数据 x1:2, #选出score0) a=10;b=10 else a=20; b=20;0) a=10;b=10 else a=20; b=20;n控制语句控制语句与自定义函数应用统计分析 R软件实现2. 2. 循环结构循环结构 for (name in express) for (name in express) exprexpr; ; while(conditionwhile(condition) ) exprexpr; ; repeat repeat exprsexprs; ; if(if(达到中止
13、条件达到中止条件) break) break 例子：计算例子：计算11+22+33+101011+22+33+1010 i=1;j=1; k=1; s1=0; s2=0; s3=0;i=1;j=1; k=1; s1=0; s2=0; s3=0;for( i in 1:10) s1=s1+ii; # for( i in 1:10) s1=s1+ii; #用用for for while(jwhile(j10) break 10) break 应用统计分析 R软件实现fun|t|) (Intercept) 3.36014 2.06876 1.624 0.128 x 0.82006 0.08895 9.219 4.58e-07 * - Signif. codes: 0 * 0.001 * 0.01 * 0.05 . 0.1 1 Residual standard error: 3.243 on 13 degrees of freedom Multiple R-squared: 0.8673, Adjusted R-squared: 0.8571 F-statistic: 84.99 on 1 and 13 DF, p-value: 4.584e-07 应用统计分析 R软件实现应用统计分析 R
