一般而言,在样本量较少的情况下,随着样本数量的增加,将有较大可能性发现大量新的物种,此时曲线呈急剧上升状态;当样本数量已经较大时,此时群落中的ASV/OTU总数将不再随着样本数量增加而显著增加,曲线将趋于平缓。
因此,通过物种累积曲线可以判断样本量是否充分:若曲线始终保持上升趋势,则表明样本量不足,反之,则表明样本量已足以反应群落的物种组成。在样本量充分的前提下,运用物种累积曲线还可以对物种丰富度进行预测。
下面我使用R脚本,vegan包对ASV/OTU丰度矩阵中每个样本所对应的SAV/OTU总数绘制specaccum物种累计曲线。
1.调用vegan包,读取物种数据;
2.使用 specaccum 函数用来计算物种的累计曲线;
3.作图展示。
如图,随着取样样本数量逐渐增加,所观测到的物种种类也不断增加。当曲线趋近平缓时,代表群落中的物种接近全部被观测到;反之不饱和,还需继续观测更多的样本数量。
数据准备
频数表是数理统计中由于所观测的数据较多,为简化计算,将这些数据按等间隔分组,然后按选举唱票法数出落在每个组内观测值的个数,称为(组)频数。这样得到的表称“频数表”或“频数分布表”。
列联表(contingency table)是观测数据按两个或更多属性(定性变量)分类时所列出的频数表。它是由两个以上的变量进行交叉分类的频数分布表。列联表可以告诉你组成表格的各种变量组合的频数或比例。列联表分析的基本问题是:观察各属性之间是否独立,做简单的描述性统计。
按两个变量交叉分类的,该列联表称为两维列联表;若按3个变量交叉分类,所得的列联表称为3维列联表,依次类推。一维列联表就是频数分布表。频数就是各个分组中属性出现的次数。
1.一维列联表
2.二维列联表
table(A, B)
其中,A是行变量,B是列变量。
xtabs(~ A + B, data = mydata)
其中的mydata是一个矩阵或数据框。总的来说,要进行交叉分类的变量应出现在公式的右侧(即~符号的右方),以+作为分隔符。
gmodels包CrossTable()
3.多维列联表
参考资料:
library(openxlsx) #加载读取Excel数据包#【输出设置】
#setwd("C:/Users/lst89/Documents/mvexer5") #设置目录
options(digits=4)
par(mar=c(4,4,2,1))
#第二章p57-2-1
R=matrix(c(1,0.8,0.26,0.67,0.34,0.8,1,0.33,0.59,0.34,0.26,0.33,1,0.37,0.21,0.67,0.59,0.37,1,0.35,0.34,0.34,0.21,0.35,1),nrow = 5,ncol = 5)
R #输入数据
solve(R) #求逆矩阵
R.e=eigen(R,symmetric=T) #symmetric是判断是否为对称阵,
R.e #求矩阵的特诊值
R.e $ vectors%*%diag(R.e $ values)%*%t(R.e $ vectors)#特征向量
#第二章p57-2-2
library(openxlsx) #加载读取Excel数据包
E2.2=read.xlsx('mvexer5.xlsx','E2.2')
E2.2 #读取mvexer5.xlsx表格E2.2数据
breaks = seq(0,3000,by = 300) #按组距为300编制频数表
breaks
hist(E2.2 $ X,breaks,col = 1:7,xlab = "工资(元)",ylab = "频数")#以工资x为横轴,频数y为纵轴,将数据划分为0-3000并以300为度量,绘制7列的彩色直方图
hist(E2.2 $ X ,breaks,freq = F,col = 1:7,xlab = "工资(元)",ylab = "频率")
Cumsum <- cumsum(E2.2 $ X)
cumsum
M <- seq(0,96000,by = 3000)
hist(Cumsum,M,freq = F,col = 1:12,las = 3,xlab = "工资(元)",ylab = "累积频率")#绘制出累计频率直方图
H = hist(E2.2 $ X,breaks = seq(900,3000,300))#正态概率图
names(H)
data.frame('组中距' = H $ mids,'频数' = H $ counts,'频率' = H $ density*300,'累积频率' = cumsum(H $ density*300))#
#第二章p57-2-3
library(openxlsx) #加载读取Excel数据包
E2.3=read.xlsx('mvexer5.xlsx','E2.3')
E2.3#读取mvexer5.xlsx表格E2.2数据
str(E2.3)
summary(E2.3)#对数据进行基本统计分析
#第三章P84-2.1
library(openxlsx)
E3.2 = read.xlsx('mvexer5.xlsx',sheet = 'E3.2',rowNames = TRUE)
#设定参数rowNames=TRUE,即可将第一列字符变量变成数据框的行名,供后期使用
E3.2
#在Excel文件中mvexer5.xlsx的表单d3.2中选择A1:E22,并复制到剪切板
dat = read.table("clipboard",header = T) #将剪切板数据读入数据框dat中
dat
#数据框标记转换函数
msa.X <- function(df){ #将数据框第一列设置为数据框行名
X = df[,-1] #删除数据框df的第一列并赋给X
rownames(X) = df[,1] #将df的第一列值赋给X的行名
X #返回新的数值数据框=return(X)
}
E3.2 = msa.X(dat)
E3.2
barplot(apply(E3.2,2,mean)) #按行作均值条形图
barplot(apply(E3.2,1,mean),las = 3) #修改横坐标标记
barplot(apply(E3.2,2,mean)) #按列作均值条图
barplot(apply(E3.2,2,median)) #按列作中位数条图
barplot(apply(E3.2,2,median),col = 1:8) #按列取色
boxplot(E3.2)#按列作箱尾图
boxplot(E3.2,horizontal = T) #箱尾图中图形按水平放置
#四p119-2-1
library(openxlsx) #加载读取Excel数据包
E4.1=read.table("clipboard",header = T)
E4.1
plot(x,y,main = '散点图',xlab = '每周加班时间(小时)',ylab = '每周签发的新保单数目(张)') #绘制散点图
cor(E4.1) #相关系数
lm4.1 <- lm(E4.1)
lm4.1
#估计值
square_sigma <- t(E4.1)/(10-1-1)#square_sigma <- t(x_hat - y)%*%(x_hat - y)/(10-1-1)
square_sigma
y = c(3.5,1,4,2,1,3,4.5,1.5,3,5)
x = c(825,215,1070,550,480,920,1350,325,670,1215)
y_hat <- 46.15 + 251.17*y
s <- t(y_hat - x)%*%(y_hat - x)/(10-1-1)
s
(summary(lm4.1) $ s)^2
#求方差分析
SR <- t(y_hat - mean(x))%*%(y_hat - mean(x))
ST <- t(x - mean(x))%*%(x - mean(x))
s_R <- SR/ST
s_R
(summary(lm4.1) $ r.squared)
anova(lm4.1)
#对回归方程作残差图分析
res <- residuals(lm4.1)
res
plot(y,res,main='残差散点图',xlab='每周签发的新保单数目',ylab='残差')
plot(lm4.1)
#计算1000张要加班的时间
lm4.1_1 <- lm(x ~ y,data = ee4.1)
predict(lm4.1_1,newdata = data.frame(y = 1000))
lm4.1_1 <- lm(y ~ x,data = ee4.1)
predict(lm4.1_1,newdata = data.frame(x = 1000))
#四p119-2-2
library(openxlsx)
E4.2 = read.xlsx('mvexer5.xlsx',sheet = 'E4.2',rowNames = T)
(lm4.2 = lm(y ~ x1 + x2,data = E4.2)) #显示多元线性回归模型