R软件期末论文

软件安全开发

一、软件安全开发概况

1．软件安全开发背景

第一次“软件危机”-20世纪60年代，根源：汇编语言不能处理日益庞大和复杂的程序，解决：高级语言的诞生-FORTRAN和C；

第二次“软件危机”-20世纪80年代，根源：大型程序，数百万行，数百万人同时开发，解决：1.面向对象语言-C++/java/c#；2.软件工程；

第三次“软件危机”-21世纪头十年，根源：软件安全。

软件应用广泛：电脑游戏、火车票售票系统、多媒体教学、手机、航天飞机、人造卫星、、、

软件安全问题广泛存在：运行错误，售票系统反应慢、连不上或是崩溃，多媒体教学系统死机，黑客盗取用户的银行密码、、、

软件安全问题导致的一般后果：造成产品运行不稳定，得不到正确的结果甚至崩溃，被恶意攻击，导致信息泄露/数据破坏等后果；

软件安全问题导致的严重后果：售票系统瘫痪，美国放射治疗仪超剂量辐射事件，阿丽亚纳5号火箭首发失败事件，Stuxnet病毒攻击伊朗布什尔核电站事件。

软件存在诸多安全问题的原因：软件开发周期短，工作量大，无暇顾及安全；软件设计时缺乏安全设计；软件开发人员缺乏安全编程的经验；功能越来越多，情况越来越复杂；软件模块复用，可扩展性/灵活性要求高；互联网环境下的安全

R 软件做判别分析: 1. 距离判别 (1) 两样本

discriminiant.distance <- function(TrnX1, TrnX2, TstX = NULL, var.equal = FALSE) {

if (is.null(TstX) == TRUE) TstX <- rbind(TrnX1,TrnX2) if (is.vector(TstX) == TRUE) TstX <- t(as.matrix(TstX)) else if (is.matrix(TstX) != TRUE) TstX <- as.matrix(TstX)

if (is.matrix(TrnX1) != TRUE) TrnX1 <- as.matrix(TrnX1) if (is.matrix(TrnX2) != TRUE) TrnX2 <- as.matrix(TrnX2) nx <- nrow(TstX)

blong <- matrix(rep(0, nx), nrow=1, byrow=TRUE, dimnames=list(\

mu1 <- colMeans(TrnX1); mu2 <- colMeans(TrnX2) if (var.equal == TRUE || var.equal == T){ S <- var(rbind(TrnX1,TrnX2))

w <- mahalanobis(TstX, mu2, S)- mahalanobis(TstX, mu1, S) } else{

S1 <-var(TrnX1); S2 <- var(TrnX2)

w <- mahalanobis(TstX, mu2, S2)- mahalanobis(TstX, mu1, S1) }

for (i in 1:nx){

if (w[i] > 0) blong[i] <- 1 else

blong[i] <- 2 } blong }

例1: 数据

classX1<-data.frame(

x1=c(6.60, 6.60, 6.10, 6.10, 8.40, 7.2, 8.40, 7.50, 7.50, 8.30, 7.80, 7.80),

x2=c(39.00,39.00, 47.00, 47.00, 32.00, 6.0, 113.00, 52.00, 52.00,113.00,172.00,172.00),

x3=c(1.00, 1.00, 1.00, 1.00, 2.00, 1.0, 3.50, 1.00, 3.50, 0.00, 1.00, 1.50),

x4=c(6.00, 6.00, 6.00, 6.00, 7.50, 7.0, 6.00, 6.00, 7.50, 7.50, 3.50, 3.00),

x5=c(6.00, 1

《 建 模 与R软 件 》 课 程 作 业

学号：13062227 姓名：江俊逸 成绩：

1. 一位饮食公司的分析人员想调查自助餐馆中的自动咖啡售货机数量与咖 啡销售量的关系，他选择了 14 家餐馆来进行实验。这 14 家餐馆在营业额、 顾客类型和地理位置方面都是相近的。放在试验餐馆的自动售货机数量从 0

（

餐馆 1 2 3 4 5 6 7 售货机数量 0 0 1 1 2 2 3 咖啡销售量 （/杯） 508.1 498.4 568.2 577.3 651.7 657.0 713.4 餐馆 8 9 10 11 12 13 14 售货机数量 咖啡销售量 3 4 4 5 5 6 6 （/杯） 697.5 755.3 758.9 787.6 792.1 841.4 831.8 这里咖啡由服务员端

表 1 自动咖啡售货机数量与咖啡销售量数据

来）到 6 不等，并且是随机分配到每个餐馆的。表 1

所示的是关于试验结果的数据。

（1） 作线性回归模型； （2） 作多项式回归模型

（3） 画出数据的散点图和拟合曲线。

[ 提示：参考《统

一、

1.时序图程序：

da<-read.table(\ dim(da) y=da[,1] m=da[,2] basicStats(m) plot(y,m,type='l')

title(main='financial income of China:1978-2010') 2.时序图：

3.运行结果

> da<-read.table(\> dim(da) [1] 33 2 > y=da[,1] > m=da[,2] > basicStats(m)

m

nobs 3.300000e+01

NAs 0.000000e+00 Minimum 1.132260e+03 Maximum 8.310151e+04 1. Quartile 2.122010e+03 3. Quartile 1.890364e+04 Mean 1.558852e+04 Median 5.218100e+03 Sum 5.144212e+05 SE Mean 3.764607e+03 LCL Mean 7.920268e+03 UCL Mean 2.325678e+04 Variance 4.676848e+08 Stdev

第二章

2.1

> x<-c(1,2,3);y<-c(4,5,6) > e<-c(1,1,1) > z<-2*x+y+e;z [1] 7 10 13

> z1<-crossprod(x,y);z1 [,1] [1,] 32 > z2<-outer(x,y);z2 [,1] [,2] [,3] [1,] 4 5 6 [2,] 8 10 12 [3,] 12 15 18 2.2

(1) > A<-matrix(1:20,nrow=4);B<-matrix(1:20,nrow=4,byrow=T) > C<-A+B;C (2) > D<-A%*%B;D (3) > E<-A*B;E (4) > F<-A[1:3,1:3] (5) > G<-B[,-3]

2.3

> x<-c(rep(1,5),rep(2,3),rep(3,4),rep(4,2));x 2.4

> H<-matrix(nrow=5,ncol=5) > for (i in 1:5) + for(j in 1:5) + H[i,j]<-1/(i+j-1) （1）> det(H) （2）> solve(H) （3）> eigen(H) 2.5

> studentdata<-data.frame(姓名=c('张三','李四','王五','赵六','丁一') + ,性别=c('女','男','女','男','女'),年龄=c('14','15','16','14','15'),

+ 身高=c('156','165','157','162','159'),体重=c('42','49','41.5','52','45.5')) 2.6

> write.table(studentdata,file='student.txt') > write.csv(studentdata,file='s

第二章

2.1

> x<-c(1,2,3);y<-c(4,5,6) > e<-c(1,1,1) > z<-2*x+y+e;z [1] 7 10 13

> z1<-crossprod(x,y);z1 [,1] [1,] 32 > z2<-outer(x,y);z2 [,1] [,2] [,3] [1,] 4 5 6 [2,] 8 10 12 [3,] 12 15 18 2.2

(1) > A<-matrix(1:20,nrow=4);B<-matrix(1:20,nrow=4,byrow=T) > C<-A+B;C (2) > D<-A%*%B;D (3) > E<-A*B;E (4) > F<-A[1:3,1:3] (5) > G<-B[,-3]

2.3

> x<-c(rep(1,5),rep(2,3),rep(3,4),rep(4,2));x 2.4

> H<-matrix(nrow=5,ncol=5) > for (i in 1:5) + for(j in 1:5) + H[i,j]<-1/(i+j-1) （1）> det(H) （2）> solve(H) （3）> eigen(H) 2.5

> studentdata<-data.frame(姓名=c('张三','李四','王五','赵六','丁一') + ,性别=c('女','男','女','男','女'),年龄=c('14','15','16','14','15'),

+ 身高=c('156','165','157','162','159'),体重=c('42','49','41.5','52','45.5')) 2.6

> write.table(studentdata,file='student.txt') > write.csv(studentdata,file='s

R软件基本操作R软件和软件包安装 数学运算 向量运算 矩阵运算 列表、数据框 概率函数

软件安装(Windows)

当前版本3.2.2。至http://www.77cn.com.cn, 点 击左边download下链接CRAN ,任意选择一个 镜像站点，比如USA下 http://www.77cn.com.cnr.Berkeley.edu 。在Download and Install R中选择Download R for Windows ,点击 base,选择文件Download R 3.2.2 for Windows , 点击鼠标右键另存为保存到指定目录中。下载好 后安装R。

软件包安装 比如安装“BRugs”,可以使用命令 >install.packages("BRugs",repos="http://www.77cn.com.cnr.B erkeley.edu",dep=TRUE) 调用软件包 >require(BRugs) # >library(BRugs) 升级软件包 >update.packages(repos="http://www.77cn.com.cnr.Berkeley. edu",dep=TRUE) 删除软件

内容：

A.3, A.10, A.12

A.3 上机实践：将MASS数据包用命令library(MASS)加载到R中，调用自带“老忠实”喷泉数据集geyer，它有两个变量：等待时间waiting和喷涌时间duration，其中… (1) 将等待时间70min以下的数据挑选出来;

(2) 将等待时间70min以下,且等待时间不等于57min的数据挑选出来; (3) 将等待时间70min以下喷泉的喷涌时间挑选出来; (4) 将喷涌时间大于70min喷泉的等待时间挑选出来。 解:读取数据的R命令：

library(MASS);#加载MASS包 data(geyser);#加载数据集geyser

attach(geyser);#将数据集geyser的变量置为内存变量 (1) 依题意编定R程序如下：

sub1geyser=geyser[which(waiting<70),1];

#提取满足条件（waiting<70）的数据,which()，读取下标 sub1geyser[1:5];#显示子数据集sub1geyser的前5行 [1] 57 60 56 50 54

(2) 依题意编定R程序如下：

Sub2geyser=geyser[which((waiting<70)&(waiting!=57)),1]; #提取满足条件（waiting<70& (waiting!=57)的数据. Sub2geyser[1:5];#显示子数据集sub1geyser的前5行 [1] 60 56 50 54 60 ……

原数据集的第1列为waiting喷涌时间，所以用[which(waiting<70),2] (3)

Sub3geyser=geyser[which(waiting<70),2];

#提取满足条件（waiting

问题

表1为某地区农业生态经济系统各区域单元相关指标数据，运用主成分分析方法，用更少的指标信息较为精确地描述该地区农业生态经济的发展状况。

表1 某农业生态经济系统各区域单元的有关数据

x：经济作

x 4：农民人x 5：人均粮 6x：耕地占x 8：果园与x 9：灌溉田

样本x1：人口密度x 2：人均耕x 3：森林覆物占农作物 7

均纯收入(元食产量 (kg/土地面积比林地面积之占耕地面积2

序号 (人/km) 地面积(ha) 盖率(%) 播面比例

/人) 人) 率(％) 比(％) 之比(％)

(％) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

363.912 141.503 100.695 143.739 131.412 68.337 95.416 62.901 86.624 91.394 76.912 51.274 68.831 77.301 76.948 99.265 118.505 141.473 137.761 117.612 122.781

0.352 1.684 1.067 1.336 1.623 2.032 0.801 1.652 0.841 0.812 0.858 1.0

统计软件实验1

每题需注意1命令代码2结果或图形3自己的错误

(?0.3?42)1 y =sin(10?)?e?log423

y <- sin(10*pi)*exp(-0.3+4^2)+log(23)/log(4)

2 x = sin(223/3)， y = x^2，z = y*10 ；求x+2y-5z x <- sin(223/3);y <- x^2;x+2*y-5*z

3 建立起始值=3,增量值=5.5,终止值=44的一维数组x x <- seq(3.47,by=5.5)

4 建立等差一维数组x：首项为0,末项为?,项数为15 x <- seq(0,pi,length=15)

5 将100,200,200,200,400,600,600,600,800 输入R中，保存到numeric变量中 numeric <- c(100,200,200,200,400,600,600,600,800)

6 将numeric转换为factor存入变量factor.numeric，并用class（）确认。 factor.numeric <- as.factor(numeric) 7 查看factor.numeric的内容 factor.numeric

8 创建一个2到50的向量,形式为 2, 4, 6, 8, ..., 48, 50并名为为vector1 vector1 <- seq(from=2,to=50,by=2) 9 选取vector1中的第20个元素 vector1[20]

10 选取vector1中的第10，15，20个元素 vector1[c(10,15,20)]

11 选取vector1中的第10到20个元素 vector[10:20]

12 选取vector1中值大于40的元素 vector1[vector1>40]

13创建向量1 2 3 4 5