Инструментальные средства анализа и обработки данных

Задание 1
Создание объектов для хранения данных в R-Studio

1. Вектор
1.1 Создайте вектор S1 со значениями от 1 до 10 с помощью следующих функций:
- с();
- scan();
- seq().
1.2 C помощью дополнительного аргумента функции seq() создайте вектор S2 со значениями от 1 до 10 с шагом приращения 0,5.
1.3 Объедините векторы S1 и S2 в вектор S.
1.4 Выведите на экран 3, 4 и 5 значения вектора S.
1.5 Выберите только первое и четвертое значения вектора S.

> S1 S1
[1] 1 2 3 4 5 6 7 8 9 10
> S1 S1
[1] 1 2 3 4 5 6 7 8 9 10
> S1 S1
[1] 1 2 3 4 5 6 7 8 9 10
> S2 S2
[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0
> S S
[1] 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0
> S[3:5]
[1] 3 4 5
> S[c(1,4)]
[1] 1 4

2. Таблица
2.1 Создайте текстовые векторы с названиями городов (Сity) и пола (Sex), а также вектор со значениями численности представителей каждого пола (Number):
city

Задание 1……………………………………………………………………………………….…3
Задание 2……………………………………………………………………………………….…7
Задание 3………………………………………………………………………………………...12
Задание 4………………………………………………………………………………………...16
Задание 5………………………………………………………………………………………...18
Задание 6………………………………………………………………………………………...23
Задание 7………………………………………………………………………………………...28
Задание 8………………………………………………………………………………………...30
Задание 9………………………………………………………………………………………...32
Задание 10…………………………………………………………………………………….…34
Список использованной литературы……………………………………………………….…38

10 заданий в программе R-Studio
Есть готовый реферат на тему: параметрические, непараметрические и номинальные методы анализа данных
Также могу написать реферат на другие темы

Параметрические методы основаны на некоторых, как правило, вполне вероятных предположениях о характере распределения случайной величины. Обычно параметрические методы, используемые в анализе экспериментальных данных, основаны на предположении нормальности распределения этих данных. Следствием такого предположения является необходимость оценки исследуемых параметров распределения. Так, в случае рассматривае-мого далее t-теста Стьюдента такими оцениваемыми параметрами являются математическое ожидание и дисперсия. В ряде случаев делаются дополнительные предположения по поводу того, как параметры, характеризующие распределение случайной величины в разных выбор-ках, соотносятся между собой.