实验设计与分析(第6版,Montgomery)第5章析因设计引导5.7节思考题5.19 R语言解题

dataframe<-data.frame(

productive=c(86.3,88.5,89.1,84.0,87.3,90.2,85.8,89.0,91.3,86.1,89.4,91.7,85.2,89.9,93.2,87.3,90.3,93.7),

Temperature=gl(3,6,18),

pressure=gl(3,3,18),

Time=gl(2,9,18))

summary (dataframe)

dataframe.aov2 <- aov(productive~Error(Time)+Temperature*pressure,data=dataframe)

summary (dataframe.aov2)

> summary (dataframe.aov2)

Error: Time

Df Sum Sq Mean Sq

Temperature 1 13.01 13.01

Error: Within

Df Sum Sq Mean Sq F value Pr(>F)

Temperature 2 4.07 2.036 0.227 0.800

pressure 2 2.46 1.230 0.137 0.873

Residuals 12 107.53 8.961

with(dataframe,interaction.plot(Temperature,pressure,productive,type="b",pch=19,fixed=T,xlab="Temperature (°F)",ylab=" productive "))

plot.design(productive~Time+Temperature*pressure,data=dataframe)

fit <-lm(productive~Time+Temperature*pressure,data=dataframe)

anova(fit)

> anova(fit)

Analysis of Variance Table

Response: productive

Df Sum Sq Mean Sq F value Pr(>F)

Time 1 13.005 13.0050 1.4513 0.2515

Temperature 2 4.071 2.0356 0.2272 0.8001

pressure 2 2.460 1.2300 0.1373 0.8731

Residuals 12 107.533 8.9611

summary(fit)

> summary(fit)

Call:

lm(formula = productive ~ Time + Temperature * pressure, data = dataframe)

Residuals:

Min 1Q Median 3Q Max

-4.2333 -2.5917 0.3167 2.2333 3.7667

Coefficients: (4 not defined because of singularities)

Estimate Std. Error t value Pr(>|t|)

(Intercept) 87.9667 1.7283 50.898 2.17e-15 ***

Time2 0.5667 4.2335 0.134 0.896

Temperature2 0.5333 3.4566 0.154 0.880

Temperature3 1.7000 5.9870 0.284 0.781

pressure2 -0.8000 2.4442 -0.327 0.749

pressure3 0.2000 3.4566 0.058 0.955

Temperature2:pressure2 NA NA NA NA

Temperature3:pressure2 NA NA NA NA

Temperature2:pressure3 NA NA NA NA

Temperature3:pressure3 NA NA NA NA


Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 2.994 on 12 degrees of freedom

Multiple R-squared: 0.1537, Adjusted R-squared: -0.1989

F-statistic: 0.436 on 5 and 12 DF, p-value: 0.8151

par(mfrow=c(2,2))

plot(fit)

par(mfrow=c(2,2))

plot(as.numeric(dataframepressure), fitresiduals, xlab="pressure", ylab="Residuals", type="p", pch=16)

plot(as.numeric(dataframeTemperature), fitresiduals, xlab="Temperature", ylab="Residuals", pch=16)

相关推荐
图灵信徒2 天前
R语言第七章线性回归模型
数据挖掘·数据分析·r语言·线性回归
翰佰尔HiOmics云分析4 天前
转录组分析实战:GO与KEGG富集分析原理及R语言实现
r语言·转录组·krgg
Q一件事4 天前
R语言处理潜在蒸散nc数据
开发语言·r语言
胡侃有料6 天前
【目标检测】two-stage------Mask R-CNN浅析-2018
目标检测·r语言·cnn
饭九钦vlog8 天前
一键配置kali脚本
r语言
维维180-3121-14558 天前
从入门到精通:R语言结构方程模型(SEM)在生态学研究中的全面应用
r语言·生态·环境·农业·林业
Teacher.chenchong10 天前
R语言实现物种分布预测与生态位分析:多元算法实现物种气候生态位动态分析与分布预测,涵盖数据清洗、模型评价到论文写作全流程
开发语言·算法·r语言
AAIshangyanxiu10 天前
基于R语言的物种气候生态位动态量化与分布特征模拟-组合物种分布模型(Ensemble Species Distribution Model)
r语言·物种分布·物种气候生态位·物种气候
云和数据.ChenGuang10 天前
r=re.search(r‘data-original=“(.*?)“‘, line)指令解析
数据库·mysql·r语言