1, data00403 thorax 是四种昆虫的胸长，采用合适的统计方法，检验不同种类的 胸长有无差异？如果有差异，哪种之间有差异？（说明选用依据）
#看样本量，n1=n2=n3=n4=28
#看方差齐性。各组之间符合方差齐性
#看正态分布。不符合正态分布
#看异常值。不存在异常值
#综合以上结果选择ANOVO检验，过程详细步骤详细如下：
data1 <- read.delim("D:/Datum/生物统计/data/data4/data0403.txt")
data1
A B C D 1 6.1 6.0 5.7 6.0 2 6.2 5.1 6.1 5.3 3 6.2 6.2 5.3 6.3 4 5.1 6.0 5.8 5.9 5 4.4 4.9 4.7 4.8 6 5.7 5.1 5.8 5.5 7 6.3 6.6 6.4 6.3 8 4.5 4.5 4.0 3.7 9 6.3 6.2 5.9 6.2 10 5.4 5.3 5.0 5.3 11 5.9 5.8 6.3 5.7 12 5.9 5.9 5.5 5.5 13 5.8 5.9 5.4 5.5 14 5.6 6.4 6.4 6.1 15 6.3 6.5 6.1 6.3 16 5.9 6.1 6.1 6.0 17 5.8 6.0 5.9 5.7 18 6.5 6.3 6.5 7.0 19 5.9 5.2 5.7 5.7 20 5.2 5.3 5.4 5.3 21 5.4 5.5 5.2 6.3 22 4.3 4.7 4.5 4.4 23 6.0 5.8 5.7 5.9 24 5.5 6.1 5.5 6.1 25 4.0 4.2 4.3 4.4 26 5.8 5.6 5.6 6.1 27 4.3 4.0 4.4 4.6 28 6.1 6.0 5.6 6.5g1=stack(data1) #转换多列数据为两列
plot(g1$ind,g1$values) #数据查看
shapiro.test(g1$values) #正态性检验
#结果：p-value = 2.637e-05，小于0.05，不符合正态分布
fligner.test(g1$values~g1$ind) #方差齐性检验
#结果：p-value = 0.9351，大于0.05，符合方差齐性
summary(aov(g1$values~g1$ind))
#Df Sum Sq Mean Sq F value Pr(>F)
#g1$ind 3 0.24 0.0814 0.167 0.919
#Residuals 108 52.77 0.4887
经过ANOVA方差分析,发现p=0.919,大于0.05，所以不同种类的胸长无差异
2, data0404 weight 是投喂四种饲料成长的家猪体重，采用合适的统计方法，检验不同的饲料对猪的体重是否有影响？如果有，具体是如何影响的？（说明选用依据）
#看样本量，n1=n2=n3=n4=5
#看方差齐性。符合方差齐性
#看正态分布。符合正态分布
#看异常值。存在异常值
#综合以上结果选择kruskal检验，过程详细步骤详细如下：
library(PMCMRplus) # install.packages("PMCMRplus")
data2 <- read.delim("D:/Datum/生物统计/data/data4/data0404.txt")
data2
Diet1 Diet2 Diet3 Diet4 1 60.8 68.7 102.6 87.9 2 57.0 67.7 102.1 84.2 3 65.0 74.0 100.2 83.1 4 58.6 66.3 98.3 85.7 5 61.7 69.8 96.5 90.3g2=stack(data2) #转换多列数据为两列
plot(g2$values~g2$ind) #数据查看
#可以看出存在异常值
shapiro.test(g2$values) #正态性检验
#结果：p-value = 0.07015，大于0.05，符合正态分布
fligner.test(g2$values~g2$ind) #方差齐性检验
#结果：p-value = 0.9755，大于0.05，符合方差齐性
kruskal.test(g2$values~g2$ind) # Kruskal-Wallis test
#经过kruskal方差分析,发现p=0.0004707,小于0.05，所以不同的饲料对猪的体重有影响
plot(kwAllPairsNemenyiTest(g2$values~g2$ind)) #事后检验NemenyiTest:图形展示
summary(kwAllPairsNemenyiTest(g2$values~g2$ind)) #事后检验
#结合上述图片以及summary结果可以看出：
#食用第三种猪饲料的猪体重＞(不显著)食用第四种猪饲料的猪体重＞(不显著)食用第二种猪饲料的猪体重＞(不显著)食用第一种猪饲料的猪体重
#食用第三种猪饲料的猪体重＞(显著)食用第二种猪饲料的猪体重
#食用第三种猪饲料的猪体重＞(显著)食用第一种猪饲料的猪体重
#食用第四种猪饲料的猪体重＞(显著)食用第一种猪饲料的猪体重
3, data0405 wsc 是某灵长类物种栖息地内地衣、植物嫩叶、植物成叶的可溶性 糖的比例，采用合适的统计方法，检验各组比例有无差异？如果有差异，具体 是如何差异的？（说明选用依据）
#看样本量，n1=14，n2=12，n3=13
#看方差齐性。不符合方差齐性
#看正态分布。步符合正态分布
#看异常值。存在异常值
#综合以上结果选择kruskal检验，过程详细步骤详细如下：
data3 <- read.delim("D:/Datum/生物统计/data/data4/data0405.txt")
datat3
Lichen Young Mature 1 4.33 9.29 4.22 2 9.99 5.35 4.50 3 14.41 6.35 5.20 4 16.65 7.72 6.34 5 13.11 9.92 5.57 6 15.51 12.25 5.53 7 15.20 11.30 6.59 8 11.30 5.62 5.55 9 11.31 10.01 6.00 10 9.52 6.01 6.02 11 13.50 4.20 4.50 12 14.45 9.99 5.29 13 15.00 NA 5.20 14 16.00 NA NAg3=stack(data3) #转换多列数据为两列
g4<-subset(g3,values!="NA") #删除NA数据
plot(g4$values~g4$ind) #数据查看
#可以看出存在异常值
shapiro.test(g4$values) #正态性检验
#结果：p-value = 0.0009496，小于0.05，不符合正态分布
fligner.test(g4$values~g4$ind) #方差齐性检验
#结果：p-value = 0.00133，小于0.05，不符合方差齐性
kruskal.test(g4$values~g4$ind) # Kruskal-Wallis test
#经过kruskal方差分析,发现p=2.937e-05,小于0.05，所以某灵长类物种栖息地内地衣、植物嫩叶、植物成叶的可溶性糖的比例有差异
plot(kwAllPairsNemenyiTest(g4$values~g4$ind)) #事后检验NemenyiTest:图形展示
summary(kwAllPairsNemenyiTest(g4$values~g4$ind)) #事后检验
#结合上述图片以及summary结果可以看出：
#内地衣可溶性糖的比例>(显著，p<0.05)植物嫩叶可溶性糖的比例
#内地衣可溶性糖的比例>(极显著，p<0.0.001)植物成叶可溶性糖的比例
#植物嫩叶可溶性糖的比例和植物成叶可溶性糖的比例无显著差别
