用R语言所学知识解决

Question

一、某单位有8各部门各需要招聘一名新人，每个部门都遴选了三个候选人进行面试，一个单位对前来参加招聘考试的人员的打分，请根据如下表格，完成以下内容

（一） 在R中输入上面的表格信息，存储为数据框data1,要求：
1. 直接在R中输入生成，不能在excel中录入完后再读取到R中。（列名称可以换成英文字符串来表示）。
2. ID, name两个向量不能直接输入，要求用用paste函数和rep命令实现重复组合。
3. 初试成绩用随机数生成，服从N(280,20²) ，面试成绩用随机数生成，服从N(80,20²)，综合成绩=初试成绩*70%+面试成绩*30%，操作能力用随机数生成，服从N(70,15) ,随机数均保留1位小数，。
4. 用语句实现：每个部门综合成绩第一被录用，录用标记1，不录用标记0。
5.将生成的数据和录用结果生成新的数据框，存储在电脑中，csv格式或者excel格式均可，文件命名为自己的学号姓名。
（二）将操作能力分成4个等级，具体为：数值≥90对应A，[80,90)对应B，[70,80)对应C，其余对应D。分别统计每个等级的面试成绩的平均分、综合成绩的平均分、录用人员的综合成绩的平均分，未录用人员的综合成绩的平均分。
（三）可以增加你感兴趣的其它分析。

二、从R中自带的数据集中选择一个数据集，选择你感兴趣的变量做如下分析（40分）
1.根据变量画不同类型的散点图，尽可能的标注坐标轴，标题，图例等。
2.对所选的变量作基本的统计分析。
3.对数据做一元或者多元回归分析，可尝试对不同的变量进行回归分析。
4.最回归结果进行诊断分析，画出残差图，画出数据的散点图和回归直线。
5. 可以增加你感兴趣的其它分析。

Answer 1

 您好，您可以使用以下R语言代码来解决您的问题：

# 一
# 1. 直接在R中输入生成，不能在excel中录入完后再读取到R中。（列名称可以换成英文字符串来表示）。
data1 <- data.frame(
  Department = rep(c("A","B","C","D","E","F","G","H"), each = 3),
  ID = paste(rep(c("1","2","3"), 8), rep(c("A","B","C"), 8), sep = ""),
  Name = paste(rep(c("John","Mary","Tom"), 8), rep(c("A","B","C"), 8), sep = ""),
  InitialScore = round(rnorm(24, 280, 20), 1),
  InterviewScore = round(rnorm(24, 80, 20), 1),
  ComprehensiveScore = round(InitialScore * 0.7 + InterviewScore * 0.3, 1),
  OperationalAbility = round(rnorm(24, 70, 15), 1)
)

# 2. 用语句实现：每个部门综合成绩第一被录用，录用标记1，不录用标记0。
data1$Recruitment <- ifelse(data1$ComprehensiveScore == 
                              ave(data1$ComprehensiveScore, data1$Department, FUN = max), 1, 0)

# 3. 将生成的数据和录用结果生成新的数据框，存储在电脑中，csv格式或者excel格式均可，文件命名为自己的学号姓名。
write.csv(data1, file = "学号姓名.csv")

# 4. 将操作能力分成4个等级，具体为：数值≥90对应A，[80,90)对应B，[70,80)对应C，其余对应D。
data1$Level <- ifelse(data1$OperationalAbility >= 90, "A",
                      ifelse(data1$OperationalAbility >= 80 & data1$OperationalAbility < 90, "B",
                             ifelse(data1$OperationalAbility >= 70 & data1$OperationalAbility < 80, "C", "D")))

# 5. 分别统计每个等级的面试成绩的平均分、综合成绩的平均分、录用人员的综合成绩的平均分，未录用人员的综合成绩的平均分。
ata1_mean <- aggregate(cbind(InterviewScore, ComprehensiveScore) ~ Level + Recruitment, data = data1, mean)
View(data1_mean)


二、从R中自带的数据集中选择一个数据集，选择你感兴趣的变量做如下分析（40分）

# 1. 根据变量画不同类型的散点图，尽可能的标注坐标轴，标题，图例等。
# 以mtcars数据集为例，画出mpg（每加仑英里数）和disp（排量）的散点图
library(datasets)
data(mtcars)
plot(mtcars$mpg,mtcars$disp,
     main = "Scatterplot of MPG vs. Displacement",
     xlab = "Miles per Gallon",
     ylab = "Displacement",
     pch = 16)

# 2. 对所选的变量作基本的统计分析。
# 以mtcars数据集为例，对mpg和disp变量进行基本统计分析
summary(mtcars$mpg)
summary(mtcars$disp)

# 3. 对数据做一元或者多元回归分析，可尝试对不同的变量进行回归分析。
# 以mtcars数据集为例，对mpg和disp变量进行回归分析
fit <- lm(mpg ~ disp, data = mtcars)

# 4. 对回归结果进行诊断分析，画出残差图，画出数据的散点图和回归直线。
# 画出残差图
plot(fit$residuals, type="l")

# 画出数据的散点图和回归直线
plot(mtcars$mpg,mtcars$disp,
     main = "Scatterplot of MPG vs. Displacement",
     xlab = "Miles per Gallon",
     ylab = "Displacement",
     pch = 16)
abline(fit, col = "red")