R语言完整代码，已知某种灯泡寿命服从正态分布，在某星期所生产的该灯泡中随机抽取10只，测得其寿命（单位：h）为 1067 919 1196 785 1126 936 918 1156 920 948求灯泡寿命平均值的置信度为0.95的单侧置信下限。

在R语言中，我们可以使用`t.test()`函数来进行单边置信区间计算，因为样本数据来自正态分布，而且总体方差未知。假设灯泡寿命服从的是正态分布，我们可以使用非参数的Bootstrap方法来估计置信区间的下限，因为它对样本分布形状的要求相对较少。

首先，我们需要导入必要的包并加载数据：

# 加载所需库
library(tidyverse)

然后，我们将数据转换为一个向量：

# 假设数据在一个列表或数据框中，这里我们直接创建一个向量
light_bulb_life <- c(1067, 919, 1196, 785, 1126, 936, 918, 1156, 920, 948)

接下来，我们计算样本均值和标准误差，并进行置信区间的计算：

# 计算样本均值和标准误差
mean_life <- mean(light_bulb_life)
sd_life <- sd(light_bulb_life) / sqrt(length(light_bulb_life)) # 样本标准误

# 置信水平设置为0.95，单侧置信，所以是左单侧上限
conf_level <- 0.95
n_bootstraps <- 10000  # Bootstrap迭代次数

# 使用Bootstrap方法计算置信下限
lower_bound <- quantile(replicate(n_bootstraps, mean(sample(light_bulb_life, replace = TRUE)), simplify = FALSE), conf_level)

# 打印结果
paste("灯泡寿命平均值的置信度为", conf_level * 100, "%的单侧置信下限为:", lower_bound)

运行以上代码，你会得到灯泡寿命平均值的置信度为0.95的单侧置信下限。请注意，这个过程会进行多次抽样，因此可能需要一些时间。