2013统计软件统计方法第三章.ppt

第三/四章：描述性统计和直观图形 3.1 概率密度及随机数 3.1 概率密度及随机数 3.1 概率密度及随机数 3.1 概率密度及随机数 3.1 概率密度及随机数 3.2 统计量 3.2 统计量-基本统计量 3.2 统计量-基本统计量 3.2 统计量-基本统计量 3.2 统计量-基本统计量 3.3 图形分解 3.3 图形分解—代码 3.3 图形分解—边空统一控制 3.3 图形分解—有效区域控制 3.3 图形分解—图例的作用 3.3 图形分解—坐标轴控制 3.3 图形分解—标题控制 3.3 图形分解—直线或点绘制 3.4 统计图--散点图 3.4 统计图--直方图 3.4 统计图--直方图求解众数 3.4 统计图—经验分布图 3.4 统计图—正态QQ图 3.4 统计图—箱线图 3.4 统计图—箱线图 3.4 统计图—轮廓图[多维] 3.4 统计图—轮廓图[多维] 3.4 统计图—调和曲线[多维] 3.4 统计图—雷达图[多维] 3.4 统计图—切尔诺夫脸 [多维] 3.4 统计图—切尔诺夫脸 [多维] 3.4 统计图—散布图 [多维] 3.4 统计图—条件散点图 [多维] 3.5 叠加图形 3.5 叠加图形 4 高密度散点图 4 高密度散点图 4 高密度散点图 5 三维散点图 5 三维散点图 5 三维散点图—旋转图 5 三维散点图—旋转图 5 三维散点图—旋转图 第三/四章：作业1 第三/四章：作业2 第三/四章：作业3 第三/四章：作业4 参考文献 通过15个变量来定义脸型、微笑、嘴巴、眼睛、鼻子、耳朵和头发等的长度和宽度将多维数据的特征通过直观的人脸及表情表现出来 在R中，专门给出这样的软件包和函数来进行脸谱的绘制。 先安装软件包aplpack, 然后加载该软件包，通过函数faces()将数据矩阵带入，编绘制出脸谱来。 install.packages(aplpack); library(aplpack) faces(matrix(sample(1:1000,240),16,15), main=“random faces”,face.type=1) #face.type=0 黑白绘制 绘制多维数据中任意两个变量之间的散点图，直观展示多维数据两两之间的趋势关系。 有三种方法绘制散布图： [1] plot(data.frame()) [2] paris(data.frame()) [3] plot(~x+y+z,data=data.frame()) 函数coplot(expr, data=df)主要用来显示多元数据之间的条件散点图 df=data.frame(hei=rnorm(50,130,10), wei=rnorm(50,30,9), grade=as.factor(sample(3:6,50,replace=TRUE)), class=as.factor(sample(1:3,50,replace=TRUE))) coplot(wei~hei|grade, data=df) coplot(wei~hei|grade+class,data=df) x=runif(100,-1,1) y=runif(100,-1,1) opar=par(no.readonly=TRUE) par(fig=c(0,0.8,0,0.8)) plot(x,y,xlab=x runif,ylab=y runif) par(fig=c(0,0.8,0.55,1),new=TRUE) boxplot(x,horizontal=TRUE,axes=FALSE) par(fig=c(0.65,1,0,0.8),new=TRUE) boxplot(y,axes=FALSE) mtext(叠加图形,side=3,outer=TRUE,line=-3) par(opar) 利用：par函数中的fig=c(x1,x2,y1,y2)和new参数 当数据点重合度很高时，用plot绘制的二维图重叠严重，无法区分二者的关系。 n=10000 x=matrix(rnorm(n,0,0.5),ncol=2) y=matrix(rnorm(n,3,2),ncol=2) plot(x,y,pch=19,xlab=x,ylab=y) R提供一个smoothScatter()函数，利用核密度估计生成用颜色密度来表示点分布的散点图。 smoothScatter(x,y) R提供一个hexbin包，plot(hexbin(x,y,xbins=50)) R提供一个scatterplot3d包来实现三维图形的绘制，甚至可以旋转三