多元统计多元图示分析法实验报告

PAGEPAGE1多元图示分析法（综合性实验）(Pictorialrepresentationsformultivariatedata)实验原理：借助计算机软件将多维数据转化为二维平面上的图形，如多联二维散点图（Linkingmultipletwo-dimensionalscatterplots）、Radar图、Stars图等，达到识别奇异点（outliers）以及对数据进行初步分类的目的。实验题目一：表1-1给出了2013年全国各地区城市园林绿化情况。表1-1分地区城市绿地和园林(2013年)地区城市绿地面积（公顷）公园（个）公园面积（公顷）建成区绿化覆盖率（%）北京684382451329447.1天津2319691203034.9河北760454761560241.2山西36347204815940内蒙古493332201153936.2辽宁1205143471287740.2吉林38390173528031.4黑龙江75064321951636上海124295158222238.4江苏2562638421870742.4浙江12792710681516540.3安徽839103121084339.9福建576135291090642.8江西49239297837845.1山东1936477332946642.6河南807532901144337.6湖北716223171068038.1湖南53483209903837.6广东41197832586677541.5广西69870183762637.7海南1442348182442.1重庆481232781012341.7四川888945241220438.4贵州3402663452834.5云南34906626616637.8西藏36496464018.1陕西33853173432040.2甘肃21166104364932.1青海47722994931.2宁夏2191969211438.5新疆53562150377836.4(Datasource:ChinaStatisticalYearbook(2014))实验要求：(1)试对城市绿地面积、公园个数、公园面积和建成区绿化覆盖率四个变量作多联二维散点图(Linkingmultipletwo-dimensionalscatterplots)，并观察有无奇异点(outliers);(2)求该数据集的样本均值向量、样本协方差矩阵及样本相关系数矩阵。Latticepairs实验题目二：表1-2给出了2013年浙江省各市城镇居民平均每人全年消费性支出情况。表1-22013年浙江省各市城镇居民人均消费支出单位：元/人杭州市宁波市温州市嘉兴市湖州市绍兴市金华市衢州市舟山市台州市丽水市食品85288068993677097949874469526133838071756719衣着24212406250520742568257024722026257521562481居住23051741224821371523192419331195183015541531家庭设备、用品及服务15801324124015331324119214421063129311061194医疗保健1265872111315531182104117141380163210491620交通和通讯47254300407952414056474747223055346237063364娱乐教育、文化29983424362735032793335530702058293430722350其它商品和服务101099487511017328978664951355824550（数据来源:浙江统计数据库）实验要求：试利用多元图示分析法（例如Stars图、Radar图等）根据人均消费支出情况对浙江省各市进行大致分类。注：请说明你做的Stars图是否基于消除量纲后的数据。实验题目一分析报告：data1<-read.csv("data1.csv",header=T)#导入数据data1<-data1[,-1]#删除第一列head(data1)#查看前六列library(lattice)#使用lattice包pairs(data1)#画出二维散点图图SEQ图\*ARABIC1二维散点图a1<-as.matrix(data1[1])#把数据第一列化为矩阵形式b1<-as.vector(a1)#化为向量形式iny1<-which(b1%in%boxplot.stats(b1)$out)#使用boxplot.stat命令得到异常值的位置a2<-as.matrix(data1[2])b2<-as.vector(a2)iny2<-which(b2%in%boxplot.stats(b2)$out)a3<-as.matrix(data1[3])b3<-as.vector(a3)iny3<-which(b3%in%boxplot.stats(b3)$out)a4<-as.matrix(data1[4])b4<-as.vector(a4)iny4<-which(b4%in%boxplot.stats(b4)$out)iny1iny2iny3iny4>iny1[1]101519>iny2[1]101119>iny3[1]1519>iny4[1]26可以发现10、15、19的重复次数多，即江苏、山东、广东的数据存在奇异点boxplot(b1)#以第一列为例画出盒形图text(1.1,boxplot.stats(b1)$out,label=paste("异常点",iny1),col="darkgreen")#观察出奇异点图SEQ图\*ARABIC2显示奇异点的盒形图colMeans(data1)#得到样本均值cov(data1)#相关性矩阵cor(data1)#协方差矩阵>colMeans(data1)X.城市绿地面积.公顷.公园.个.公园面积.公顷.建成区绿化覆盖率...78297.41935400.0322610640.0322638.12903>cov(data1)X.城市绿地面积.公顷.公园.个.公园面积.公顷.建成区绿化覆盖率...X.城市绿地面积.公顷.6700534900.642504281.753899360245.75158843.5041公园.个.42504281.8341799.5666666320.40868.6390公园面积.公顷.899360245.86666320.399145585835.5723297.8324建成区绿化覆盖率...158843.5868.63923297.8327.5048>cor(data1)X.城市绿地面积.公顷.公园.个.公园面积.公顷.建成区绿化覆盖率...X.城市绿地面积.公顷.1.00000000.88816200.91058270.3700075公园.个.0.88816201.00000000.94501970.2833018公园面积.公顷.0.91058270.94501971.00000000.3681728建成区绿化覆盖率...0.37000750.28330180.36817281.0000000实验题目二分析报告：data2<-read.csv("data22.csv",header=T)#导入数据head(data2)attach(data2)rownames(data2)<-data2[,1]#定义行名称stars(data2,labels=dimnames(data2)[[1]],key.loc=c(8.5,2),full=F)#画出星星图#dimnames(data2)[[1]]行名称为1，列名称为2#ke