论文部分内容阅读
[摘 要] 在信息化和大数据背景下,统计学实验教学中引入一种合适的统计软件就变得十分重要。针对R软件的优势和统计学课程的特点,结合具体案例,探讨了R软件在统计实验教学实践中的应用,以此激发学生学习和使用R软件的兴趣,提高统计学的教学质量。
[关 键 词] R软件;统计学;实验教学
[中图分类号] G642 [文献标志码] A [文章编号] 2096-0603(2018)13-0068-02
统计学是高等学校许多专业的一门重要专业基础课,结合近年我们统计学实验教学经验,以自由免费的R软件为工具,使用案例式教学,让学生从案例中真正体验统计分析数据的整个过程,提高统计学的教学质量。
一、统计学课程
统计学是一门关于数据的搜集、分析、展示和解释的科学,其研究内容包括描述统计和推断统计两大类。描述统计主要是对现象进行调查,将得到的大量数据加以整理、简缩,制成统计图表,并就这些数据的分布特征计算出一些概括性的数字。推断统计是指利用样本资料推断总体特征的技术和方法,是在观察资料的基础上深入地分析、研究和推断,以推知资料本身以外的情况和数量关系,为进行决策提供数据依据。主要有参数估计和假设检验两种类型。
二、R软件的优势
R软件属于GNU系统的一个自由、免费、源代码开放的软件,由新西兰奥克兰大学的Robert Gentleman 和Ross Ihaka及志愿者共同开发的一种计算环境。R软件在网站上可以自由下载,安装简单。R软件拥有大量的统计程序包和统计计算函数,更新速度快,具有强大的数据处理能力和丰富的图形展示功能。许多统计方法和技术都可以在R软件中实现,如参数估计、假设检验、多元统计分析等。学生只需要根据实际问题,编写和调用相应的函数,便可灵活地进行数据统计分析,甚至创造出新的统计计算方法。
三、R软件的统计学实验教学案例分析
R软件是模拟实验与统计计算的有力工具,把R软件引入统计学教学中,将那些枯燥难懂的统计理论与有趣的统计实践工作联系起来,使统计理论教学变得妙趣横生,从而大大提高学生的学习积极性和教学效率。
(一)R软件在数据描述统计实验教学中的应用
数据描述统计是通过计算统计量与绘制统计图表等方法,可以更加直观、方便地表述数据的分布特征。
1.产生模拟100名学生统计学(Score1)、线性代数(Score2)两门课程的期末考试成绩。
>Xuehao=seq(1609001,1609100)# 生成100名学生的学号(1609001至1609100)
>set.seed()#用于设定随机数种子
>Score1=round(rnorm(100,mean=70,sd=15))#生成均值为80,标准差为5的100个正态分布的随机整数 48 94 56 56 40 66 65 61 68 …… 55 83 72 86 65 77 60 66 55
>Score2=round(runif(100,min=40,max=100))#生成区间为[40,100]的100个均匀分布的随机整数 54 70 49 47 80 88 94 65 86 80 ……75 60 84 57 44 41 88 77 52
>X=data.frame(Xuehao,Score1,Score2)#将期末考试成绩汇总,生成数据框
>Zmean=colMeans(X)[c(“Score1”,“Score2”)]#求两门课程期末考试的平均成绩
>Zmean Score1 69.52 Score2 68.76
>Zscore=apply(X[c(“Score1”,“Score2”)],1,sum)#求每位学生三门课程成绩的总分
>Zscore 92 183 153 112 90 108 116 139 1 ……134 161 135 163 122 125 116。
2.数据描述统计中的几种常用图形
(1)直方图 >par(mfrow=c(1,2))如图1。
>Tjx=hist(X$Score1,main=“统计学期末考试成绩”,col=“12”,xlab=“分数”)
>Xxds=hist(X$Score2,main=“线性代数期末考试成绩”,col=“12”,xlab=“分数”)
统计学期末考试成绩 线性代数期末考试成绩
(2)饼图 >par(mfrow=c(1,2))
>lab=c(“40以下”,“40~50”,“50~60”,“60~70”,“70~80”,“80~90”,“90以上”)
>pct1=round(Tjx$counts/sum(Tjx$counts)*100)>label1=paste(lab,“ ”,pct1,“%”,sep=“ ”)>pie (Tjx$counts,col=rainbow(length(lab)),labels=label1, ,cex=0.6)
>pct2=round(Xxds$counts/sum(Xxds$counts)*100) > lab3=c(“50以下”,“50~60”,“60~70”,“70~80”,“80~90”,“90以上”)>label2=paste(lab3,“ ”,pct2,“%”,sep=“ ”)
>pie(Xxds$counts,col=rainbow(length(lab)),labels=lab-el2,cex=0.6),如圖2。
(3)箱线图 >boxplot(X$Score1,X$Score2,names=c(“统计学期末考试成绩”,“线性代数期末考试成绩”),col=c(2,3))如图3。 (二)R软件在推断统计实验教学中的应用
推断统计是根据样本资料以推断总体特征的技术和方法,主要有参数估计和假设检验两种类型。在R中包含了许多常用参数及非参数检验方法。例如,某学生12次测量自己的身高(单位:cm)为172,170,173,172,174,170,171,173,172,175,172,171。
希望估计一下他的身高,求身高的置信水平为95%的置信区间。
这是一个区间估计问题,利用R软件中的t.test()检验函数可以很快求得结果。
>X=c(172,170,173,172,174,170,171,173,172,175,172,171)
>t.test(X)输出One Sample t-test t = 396.08,df = 11,p-value < 2.2e-16
95 percent confidence interval: 171.1271 173.0396 mean of x 172.0833
因此,身高的置信水平为95%的置信区间为(171.13,173.04)。
例如,有15个地区某种食物年需求量(X,单位:10吨)与地区人口增加量(Y,单位:千人)的资料,请对数据资料进行统计分析。
分析过程如下:输入数据,画出散点图,观察数据的分布趋势。
>X=c(274,180,375,205,86,265,98,330,195,53,430,362,
236,157,370)
>Y=c(162,120,223,131,67,169,81,192,116,55,252,234,
144,103,212)
>Data= data.frame(X,Y) > plot(Data$X, Data$Y, pch=19, col = “blue”, xlab=“X”, ylab=“Y”)。從运行结果来看(图4),这些点基本上在一条直线附近波动。于是利用R软件中的lm()函数进行回归分析。
>model=lm(Y~X) > abline(model) > summary(model)
Estimate Std. Error tvalue Pr(>|t)
(Intercept) 22.31158 4.53720 4.917 0.000281 ***
X 0.53272 0.01707 31.216 1.3e-13 ***
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Multiple R-squared: 0.9868, Adjusted R-squared: 0.9858
F-statistic: 974.4 on 1 and 13 DF, p-value: 1.304e-13
这样求得了回归直线方程Y=22.31158+0.53272,由相关系数的平方R2,和F分布的p值为1.304x10-13,表明回归方程是非常显著的。
四、结语
通过几个R软件的实验教学案例,可以看出R软件简单易学,统计功能强大。R软件能够将抽象的统计概念转化为具体的图形,增加了教学的直观性,利用R软件丰富的扩展资源进行案例教学,切实提高了学生统计分析处理数据的能力,从而培养适应大数据时代的综合性和应用型统计人才。
[关 键 词] R软件;统计学;实验教学
[中图分类号] G642 [文献标志码] A [文章编号] 2096-0603(2018)13-0068-02
统计学是高等学校许多专业的一门重要专业基础课,结合近年我们统计学实验教学经验,以自由免费的R软件为工具,使用案例式教学,让学生从案例中真正体验统计分析数据的整个过程,提高统计学的教学质量。
一、统计学课程
统计学是一门关于数据的搜集、分析、展示和解释的科学,其研究内容包括描述统计和推断统计两大类。描述统计主要是对现象进行调查,将得到的大量数据加以整理、简缩,制成统计图表,并就这些数据的分布特征计算出一些概括性的数字。推断统计是指利用样本资料推断总体特征的技术和方法,是在观察资料的基础上深入地分析、研究和推断,以推知资料本身以外的情况和数量关系,为进行决策提供数据依据。主要有参数估计和假设检验两种类型。
二、R软件的优势
R软件属于GNU系统的一个自由、免费、源代码开放的软件,由新西兰奥克兰大学的Robert Gentleman 和Ross Ihaka及志愿者共同开发的一种计算环境。R软件在网站上可以自由下载,安装简单。R软件拥有大量的统计程序包和统计计算函数,更新速度快,具有强大的数据处理能力和丰富的图形展示功能。许多统计方法和技术都可以在R软件中实现,如参数估计、假设检验、多元统计分析等。学生只需要根据实际问题,编写和调用相应的函数,便可灵活地进行数据统计分析,甚至创造出新的统计计算方法。
三、R软件的统计学实验教学案例分析
R软件是模拟实验与统计计算的有力工具,把R软件引入统计学教学中,将那些枯燥难懂的统计理论与有趣的统计实践工作联系起来,使统计理论教学变得妙趣横生,从而大大提高学生的学习积极性和教学效率。
(一)R软件在数据描述统计实验教学中的应用
数据描述统计是通过计算统计量与绘制统计图表等方法,可以更加直观、方便地表述数据的分布特征。
1.产生模拟100名学生统计学(Score1)、线性代数(Score2)两门课程的期末考试成绩。
>Xuehao=seq(1609001,1609100)# 生成100名学生的学号(1609001至1609100)
>set.seed()#用于设定随机数种子
>Score1=round(rnorm(100,mean=70,sd=15))#生成均值为80,标准差为5的100个正态分布的随机整数 48 94 56 56 40 66 65 61 68 …… 55 83 72 86 65 77 60 66 55
>Score2=round(runif(100,min=40,max=100))#生成区间为[40,100]的100个均匀分布的随机整数 54 70 49 47 80 88 94 65 86 80 ……75 60 84 57 44 41 88 77 52
>X=data.frame(Xuehao,Score1,Score2)#将期末考试成绩汇总,生成数据框
>Zmean=colMeans(X)[c(“Score1”,“Score2”)]#求两门课程期末考试的平均成绩
>Zmean Score1 69.52 Score2 68.76
>Zscore=apply(X[c(“Score1”,“Score2”)],1,sum)#求每位学生三门课程成绩的总分
>Zscore 92 183 153 112 90 108 116 139 1 ……134 161 135 163 122 125 116。
2.数据描述统计中的几种常用图形
(1)直方图 >par(mfrow=c(1,2))如图1。
>Tjx=hist(X$Score1,main=“统计学期末考试成绩”,col=“12”,xlab=“分数”)
>Xxds=hist(X$Score2,main=“线性代数期末考试成绩”,col=“12”,xlab=“分数”)
统计学期末考试成绩 线性代数期末考试成绩
(2)饼图 >par(mfrow=c(1,2))
>lab=c(“40以下”,“40~50”,“50~60”,“60~70”,“70~80”,“80~90”,“90以上”)
>pct1=round(Tjx$counts/sum(Tjx$counts)*100)>label1=paste(lab,“ ”,pct1,“%”,sep=“ ”)>pie (Tjx$counts,col=rainbow(length(lab)),labels=label1, ,cex=0.6)
>pct2=round(Xxds$counts/sum(Xxds$counts)*100) > lab3=c(“50以下”,“50~60”,“60~70”,“70~80”,“80~90”,“90以上”)>label2=paste(lab3,“ ”,pct2,“%”,sep=“ ”)
>pie(Xxds$counts,col=rainbow(length(lab)),labels=lab-el2,cex=0.6),如圖2。
(3)箱线图 >boxplot(X$Score1,X$Score2,names=c(“统计学期末考试成绩”,“线性代数期末考试成绩”),col=c(2,3))如图3。 (二)R软件在推断统计实验教学中的应用
推断统计是根据样本资料以推断总体特征的技术和方法,主要有参数估计和假设检验两种类型。在R中包含了许多常用参数及非参数检验方法。例如,某学生12次测量自己的身高(单位:cm)为172,170,173,172,174,170,171,173,172,175,172,171。
希望估计一下他的身高,求身高的置信水平为95%的置信区间。
这是一个区间估计问题,利用R软件中的t.test()检验函数可以很快求得结果。
>X=c(172,170,173,172,174,170,171,173,172,175,172,171)
>t.test(X)输出One Sample t-test t = 396.08,df = 11,p-value < 2.2e-16
95 percent confidence interval: 171.1271 173.0396 mean of x 172.0833
因此,身高的置信水平为95%的置信区间为(171.13,173.04)。
例如,有15个地区某种食物年需求量(X,单位:10吨)与地区人口增加量(Y,单位:千人)的资料,请对数据资料进行统计分析。
分析过程如下:输入数据,画出散点图,观察数据的分布趋势。
>X=c(274,180,375,205,86,265,98,330,195,53,430,362,
236,157,370)
>Y=c(162,120,223,131,67,169,81,192,116,55,252,234,
144,103,212)
>Data= data.frame(X,Y) > plot(Data$X, Data$Y, pch=19, col = “blue”, xlab=“X”, ylab=“Y”)。從运行结果来看(图4),这些点基本上在一条直线附近波动。于是利用R软件中的lm()函数进行回归分析。
>model=lm(Y~X) > abline(model) > summary(model)
Estimate Std. Error tvalue Pr(>|t)
(Intercept) 22.31158 4.53720 4.917 0.000281 ***
X 0.53272 0.01707 31.216 1.3e-13 ***
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Multiple R-squared: 0.9868, Adjusted R-squared: 0.9858
F-statistic: 974.4 on 1 and 13 DF, p-value: 1.304e-13
这样求得了回归直线方程Y=22.31158+0.53272,由相关系数的平方R2,和F分布的p值为1.304x10-13,表明回归方程是非常显著的。
四、结语
通过几个R软件的实验教学案例,可以看出R软件简单易学,统计功能强大。R软件能够将抽象的统计概念转化为具体的图形,增加了教学的直观性,利用R软件丰富的扩展资源进行案例教学,切实提高了学生统计分析处理数据的能力,从而培养适应大数据时代的综合性和应用型统计人才。