业总分:100分 调用R中的insuranceData程序包中的 dataCar数据集，分别用泊松分布和负二项分布拟合索赔次数，估计模型参数，比较拟合效果。 请将上述代码运行结果截图上传。

在R语言中，首先你需要安装`insuranceData`包，如果你还没有安装，可以使用`install.packages("insuranceData")`命令。然后加载数据集，你可以通过`data(car)`来获取`dataCar`数据。

对于泊松分布的拟合，你可以使用`glm()`函数，假设索赔次数服从泊松分布，代码如下：

library(insuranceData)
data(dataCar)

# 泊松分布拟合
poisson_model <- glm(Sclaims ~ ., family = poisson(link = "log"), data = dataCar)
summary(poisson_model)

接着，对于负二项分布的拟合，由于R内置的family选项不直接支持负二项分布，你可能需要借助其他库如`MASS`或者自定义链接函数。这里我们以`VGAM`库为例：

if (!requireNamespace("VGAM", quietly = TRUE)) {
  install.packages("VGAM")
}
library(VGAM)

# 负二项分布拟合（使用VGAM库）
negbinom_model <- vgam(Sclaims ~ ., family = negbinomial(size = ..., link = ...), data = dataCar)
summary(negbinom_model)

你需要根据实际的数据特性和统计知识来选择合适的`size`参数，并可能需要尝试不同的link函数。

至于比较拟合效果，通常我们会查看残差图、AIC/BIC值以及预测值与实际值的对比。例如，可以通过`plot(poisson_model)`和`autoplot(negbinom_model)`来观察。

由于文本形式无法显示图片，我建议你把运行后的模型摘要和可视化结果复制粘贴到文本编辑器中展示。完成以上步骤后，你可以截取屏幕截图并上传，以便于分享分析结果。