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
统计学小王子8 小时前
数学建模国赛倒计时4天——《统计模型精讲(混合效应模型R语言实现)》
开发语言·数学建模·r语言
生态学者2 天前
香港理工大学Nature Communications:沿海塑料际古菌组特征及生态影响
大数据·人工智能·算法·r语言·微信公众平台
统计学小王子3 天前
数学建模国赛倒计时6天——《软件工具(R语言精讲)》
开发语言·数学建模·r语言
statistican_ABin3 天前
全球教育水平提升预测分析报告——基于R语言随机森林回归模型的全球40国1960-2020年教育水平预测研究
随机森林·回归·r语言
典典分享指南6 天前
用飞书多维表格搭建内容管理看板
java·python·r语言·composer·symfony
2601_962070238 天前
差异基因富集分析(R语言——GO&KEGG&GSEA)
开发语言·golang·r语言
统计学小王子8 天前
R语言入门——ggplot2图例增加公式
开发语言·r语言
统计学小王子10 天前
R语言入门——相关性热图(建模常用二)
r语言·可视化·相关性分析
知识分享小能手12 天前
概理论与数理统计学习教程,从入门到精通,在数理统计中应用R软件(22)
开发语言·学习·r语言
知识分享小能手12 天前
概理论与数理统计学习教程,从入门到精通,在数理统计中应用R软件(21)
开发语言·学习·r语言