2.612218 3.566108 3.999520 3.513978 2.555887 2.006111 2.370112 3.313229 3.968364 3.733190 2.823924 2.076542 2.178182 3.035398 3.860069 3.893997 3.105988 2.220534 2.051718 2.754748 3.683262 3.983588 3.379608 2.426618 2.000793 2.493634 > mean(sin(1:100) + 3) 2.998728 > var(sqrt(80:1)) 4.359722

Przykład 4. Regresja liniowa:

Zmiennej x przypisujemy wartości 1,2,..,10, natomiast zmiennej y wartości funkcji liniowej o współczynniku nachylenia 3 oraz stałej 5 plus błąd losowy o rozkładzie normalnym (średnia=0, odchylenie standardowe=1). Komenda lm(y~x) dopasowuje do wygenerowanych danych model regresji liniowej.

> x<-c(1:10) > y<-5+3*x+rnorm(10) > summary(lm(y~x))

lm(formula = y ~ x)

Residuals: Min 1Q Median 3Q Max -2.2687 -0.6058 0.1234 0.8704 2.0585

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 4.6991 0.9836 4.778 0.00139 ** x 3.0101 0.1585 18.989 6.12e-08 ***

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 1.44 on 8 degrees of freedom Multiple R-Squared: 0.9783, Adjusted R-squared: 0.9756 F-statistic: 360.6 on 1 and 8 DF, p-value: 6.121e-08

Przykład 5.