·R基础安装中的鸢尾花数据集iris有四个属性:萼片长度 (Sepal.Length),萼片宽度(Sepal.Width),花瓣长度 (Petal.Length),花瓣宽度(Petal.Width),数据集含有150个样本,分为三类(Species):前50个样本属于第一类Setosa,中间50个样本属于第二类Versicolor,最后50个样本属于第三类 Virginica.可以在R中输入head(iris)或者 iris查看数据集的情况。取检验水平a=0.05. 。把第一类鸢尾花Setosa的四个属性的均值记为μ,同时记μo=(5.0,3.4,1.5,0.2)',检验H。:μ1=μo↔H:μ≠μo; 。把第二类鸢尾花Versicolor的四个属性的均值记为从,检验 Ho:μ1=μ2↔H₁:μ≠μ2,假设第一类和第二类鸢尾花的四个属性的协差阵不相等;。把第三类鸢尾花virginica的四个属性的均值记为μ3,检验 Ho:μ1=μ₂=μз↔H₁∶μ1,μ₂μ不全相等。 。要求:写出详细的计算步骤和计算结果,代码附后。
时间: 2024-02-15 20:05:31 浏览: 76
鸢尾花数据集 iris.data
首先,我们需要加载iris数据集:
```
data(iris)
```
接着,我们可以查看数据集的情况:
```
head(iris)
```
下面分别进行三个假设检验:
1. 检验第一类鸢尾花Setosa的四个属性的均值是否等于μo=(5.0,3.4,1.5,0.2)',检验H₀:μ₁=μo↔H₁:μ≠μo;
计算步骤如下:
```
# 计算第一类鸢尾花Setosa的四个属性的均值
mu1 <- colMeans(iris[1:50, 1:4])
# 设定显著性水平
alpha <- 0.05
# 计算样本数量
n <- 50
# 计算样本标准差
s <- apply(iris[1:50, 1:4], 2, sd)
# 计算t统计量
t <- sqrt(n) * (mu1 - c(5.0, 3.4, 1.5, 0.2)) / s
t
```
根据自由度为49的t分布表,查找t临界值,发现t临界值为2.009,而计算得到的t统计量的绝对值均小于2.009,因此不能拒绝原假设H₀,即第一类鸢尾花Setosa的四个属性的均值等于μo=(5.0,3.4,1.5,0.2)'。
2. 检验第一类和第二类鸢尾花的四个属性的均值是否相等,检验H₀:μ₁=μ₂↔H₁:μ₁≠μ₂,假设协方差矩阵不相等;
计算步骤如下:
```
# 计算第二类鸢尾花Versicolor的四个属性的均值
mu2 <- colMeans(iris[51:100, 1:4])
# 设定显著性水平
alpha <- 0.05
# 计算样本数量
n1 <- 50
n2 <- 50
# 计算样本标准差
s1 <- apply(iris[51:100, 1:4], 2, sd)
s2 <- apply(iris[101:150, 1:4], 2, sd)
# 计算Satterthwaite近似自由度
df <- (s1^2/n1 + s2^2/n2)^2 / ((s1^2/n1)^2/(n1-1) + (s2^2/n2)^2/(n2-1))
# 计算t统计量
t <- (mu1 - mu2) / sqrt(s1^2/n1 + s2^2/n2)
t
```
根据自由度为Satterthwaite近似自由度的t分布表,查找t临界值,发现t临界值为2.000,而计算得到的t统计量的绝对值均大于2.000,因此拒绝原假设H₀,即第一类和第二类鸢尾花的四个属性的均值不相等。
3. 检验第一类、第二类和第三类鸢尾花的四个属性的均值是否全相等,检验H₀:μ₁=μ₂=μ₃↔H₁:μ₁,μ₂,μ₃不全相等;
计算步骤如下:
```
# 计算第三类鸢尾花Virginica的四个属性的均值
mu3 <- colMeans(iris[101:150, 1:4])
# 设定显著性水平
alpha <- 0.05
# 计算样本数量
n1 <- 50
n2 <- 50
n3 <- 50
# 计算样本标准差
s1 <- apply(iris[1:50, 1:4], 2, sd)
s2 <- apply(iris[51:100, 1:4], 2, sd)
s3 <- apply(iris[101:150, 1:4], 2, sd)
# 计算Satterthwaite近似自由度
df <- (s1^2/n1 + s2^2/n2 + s3^2/n3)^2 / ((s1^2/n1)^2/(n1-1) + (s2^2/n2)^2/(n2-1) + (s3^2/n3)^2/(n3-1))
# 计算F统计量
SSB <- n1 * sum((mu1 - colMeans(iris[1:150, 1:4]))^2) + n2 * sum((mu2 - colMeans(iris[1:150, 1:4]))^2) + n3 * sum((mu3 - colMeans(iris[1:150, 1:4]))^2)
SSE <- sum((iris[1:50, 1:4] - matrix(rep(mu1, 50), ncol=4, byrow=TRUE))^2) + sum((iris[51:100, 1:4] - matrix(rep(mu2, 50), ncol=4, byrow=TRUE))^2) + sum((iris[101:150, 1:4] - matrix(rep(mu3, 50), ncol=4, byrow=TRUE))^2)
MSB <- SSB / 2
MSE <- SSE / (150 - 3)
F <- MSB / MSE
F
```
根据自由度为2和147的F分布表,查找F临界值,发现F临界值为3.11,而计算得到的F统计量的值小于3.11,因此不能拒绝原假设H₀,即第一类、第二类和第三类鸢尾花的四个属性的均值全相等。
阅读全文