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
Tiger Z1 天前
《R for Data Science (2e)》免费中文翻译 (第12章) --- Logical vectors(1)
数据分析·r语言·数据科学·免费书籍
AI纪元故事会2 天前
《目标检测全解析:从R-CNN到DETR,六大经典模型深度对比与实战指南》
人工智能·yolo·目标检测·r语言·cnn
小八四爱吃甜食3 天前
【R语言】构建GO、KEGG相关不同物种的R包
开发语言·golang·r语言
梦想的初衷~4 天前
生命周期评价(LCA):理论、方法与工具、典型案例全解析
r语言·农业·林业·环境科学·地理·气候变化·生命周期评价
asyxchenchong8884 天前
OpenLCA、GREET、R语言的生命周期评价方法、模型构建
开发语言·r语言
没有梦想的咸鱼185-1037-16634 天前
【生命周期评价(LCA)】基于OpenLCA、GREET、R语言的生命周期评价方法、模型构建
开发语言·数据分析·r语言
zhangfeng11335 天前
亲测有效的mem 流行病预测,时间序列预测,r语言做移动流行区间法,MEM流行病阈值设置指南
开发语言·r语言·生物信息
普通网友7 天前
Golang笔记——Interface类型
r语言
maizeman1267 天前
用R语言生成指定品种与对照的一元回归直线(含置信区间)
开发语言·回归·r语言·置信区间·品种测试
兮兮能吃能睡8 天前
R语言模型分析(一)(1)
开发语言·r语言