《统计与数据分析》数据分析实验作业(I)

《统计与数据分析》数据分析实验作业（I）

数据来源于大肠杆菌Escherichia coli K-12 MG1655注释的4289个编码蛋白基因的长度l（单位：核苷酸，NT）及其GC含量r（%）。其中，第1列为基因序号，第2列为基因的长度l（单位：核苷酸，NT），第3列为基因的GC含量r（%）。试针对这一组数据完成下列数据分析工作：

一. 将全部4289个基因视为总体Y，请完成如下工作：

1. 严格按照要求（注意：软件自动生成的结果视为无效作业），分别画出基因长度l和基因GC含量r的频数直方图，以及由此相应的频率直方图和频率箱线图，并对这两类数据的异常值进行分析；

2. 分别求出基因长度l和基因GC含量r的均值、标准差、极差、中位数、众数、变异系数，并在k≤10范围内依次检验Chebyshev定理（请报告整数k=2~10的每一取值的检验结果）；

3. 基于总体Y，考察l与GC含量r比值l/r，请设计抽样对l/r进行比值估计与单随机变量估计的抽样效率的比较分析，并以合适的图示表示比较结果；

要求：

（1）本次数据分析以实验报告形式打印、装订提交，请在第一页注明学号、姓名；

（2）对于每一问题，都必须首先详尽地写出分析过程，然后以合适的图表形式并以文字清楚地报告结果。不得以程序源代码或伪代码代替分析过程的报告，否则以零分计；任何报告不清楚者，直接以零分计； （3）请保证独立完成本作业，鼓励自行编程完成上述数据分析，也可使用相关软件（不限）； （4）本作业占课程总成绩6%。