简单统计分析。 （1） 课本 P57 练习题 2 中 1） （2） 查看 R 中 women，mtcars，iris 数据集，通过帮助文档获取数据信息，并实现案 例分析。结合所学知识，选择数据进行简单统计分析。

（1）在课本P57的练习题2第1题中，通常会涉及到基础的统计分析。这可能包括计算数据集的中心趋势指标如平均值（mean）、中位数（median）和众数（mode），以及离散程度指标如范围（range）、标准差（standard deviation）和四分位数间距（interquartile range）。还会涉及频率分布的计算，例如使用频数或频率来描述数据集中数值的分布情况。如果有缺失值，可能还需要学习如何处理，比如删除含有缺失值的行或使用适当的方法填充。

（2）在R语言中，有多个内置的数据集供初学者练习：

1. **women**数据集：包含女性健康数据，包括年龄、体重等信息。你可以通过`?women`查看帮助文档，了解变量含义。简单的分析可能包括计算年龄的平均值、体重的中位数，以及年龄和体重的相关性。

   data(women)
   summary(women) # 概览数据
   cor(women$age, women$weight) # 年龄和体重的相关系数

2. **mtcars**数据集：包含了汽车的各种性能数据，包括引擎大小、马力等。可以分析不同车型的性能特征，如平均马力或比较不同排量车辆的性能。

   data(mtcars)
   summary(mtcars) # 查看数据摘要
   mean(mtcars$hp) # 马力的平均值

3. **iris**数据集：典型的花卉数据集，包含花瓣长度、宽度等多种植物特性。可以进行类别间的描述性统计比较或构建简单的花型分类模型。

   data(iris)
   head(iris) # 显示数据前几行
   str(iris) # 数据结构
   summary(iris[, c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width")]) # 描述性统计

针对以上任一数据集，都可以进一步进行更深入的统计分析，如绘制直方图、箱线图或其他类型的图形来可视化数据分布，或者利用因素变量进行分组分析等。