求R语言解读，每一行求解答，真的不太看得懂

首先有个概念，循环中的变量是i，每次循环之后都会更新i的值，直到循环结束。循环中i的取值范围在1:5。
循环中，每次循环都打印出i的结果。
循环结束后，i不再更新，打印i输出的就是i最后一次的取值，并且一直都是这个值，除非你再次给i赋值。
第二个问题，我不知到是不是这个意思，你需要保存每一步循环中得到的结果，最后在循环结束之后全部把它们输出出来。
我就按我理解的这个意思写一下。
t<-array()
for(i in 1:5) t[i]<-i
a<-list(t);a
希望对你有帮助。

那你就把p,d,q一个个带过啦，看哪个AIC或BIC小，找最小的那个就是最好的p,d,q啦，一般AIC比BIC好，SC和AIC差不多，原理上有一点小差异。AIC和SC要用Eviews做，BIC直接用SPSS就可以啦。

根据对称性可知电场强度是垂直于圆柱轴线，沿中心轴径向方向。
圆柱内部取长度为h的一段导体，在半径为r处，
q=∫ph2πrdr=∫arh2πrdr=2πahr³/3
根据高斯定理：
E2πrh=q/ε=2πahr³/(3ε)
E=2πahr³/(3ε2πrh)=ar²/(3ε)
圆柱外部，距轴线r距离处：
E2πrh=Q/ε=2πahR³/(3ε)
E=2πahR³/(3ε2πrh)=aR³/(3εr)
在距离轴线r(r>R)距离处的电势为：
U=∫(∞,r)aR³/(3εx)dx
在距离轴线r(r<=R)距离处的电势为：
U=∫(∞,R)aR³/(3εx)dx+∫(R,r)ar²/(3ε)dx

function ARMODEL() Fs = 1000; t = 0:1/Fs:15; N = size(t,2) %数据样值点数 randn('state',0); x = cos(2pit200) + randn(1,N); % 200Hz cosine plus noise %计算N个取样数据的取样数据自相关函数 rxx = zeros(1,N); %保存取样数据自相关函数的变量 for m = 0:N-1 sum = 0; for n= 1:N-m temp1 = x(n)x(m+n); sum = sum + temp1; end rxx(m+1) = sum/N; end %采用Levison-Durbin算法求解AR模型的Yule-Walker模型 %需要确定AR模型理论公式中的参数：白噪声w(n)的方差、方程系数a1……ap（这里包括了模型的阶次） PMAX = 100; %设定AR模型最高阶次 atemp1 = zeros(1,PMAX+1); %保存方程系数的中间变量 atemp2 = zeros(1,PMAX+1); %保存方程系数的中间变量 deviationtemp1 = zeros; %保存白噪声w(n)方差的中间变量 deviationtemp2 = zeros; %保存白噪声w(n)方差的中间变量 %AR(1)模型：x(n) + a1x(n-1) = w(n) %其Yule-Walker方程： R(0)1 + R(1)a1 = deviation1; % R(1)1 + R(0)a1 = 0; %求解方程确定a1、deviation1 atemp1(1) = 1; atemp1(2) = -rxx(2)/rxx(1); atemp2 = atemp1; deviationtemp1 = ( rxx(1)rxx(1) - rxx(2)rxx(2) )/rxx(1); deviationtemp2 = deviationtemp1; %利用Levison-Durbin迭代算法计算AR模型参数 %根据FPE准则、AIC准则和BIC准则确定AR模型的阶次 %atemp1、deviation1保存第k次的运算结果 %atemp2、deviation2保存第k+1次的运算结果 FPE(1) = deviationtemp1(N+2)/N; AIC(1) = log(deviationtemp1) + 2/N; BIC(1) = log(deviationtemp1) + log(N)/N; veriance(1) = deviationtemp1; criteria = 3 for P = 2:PMAX sum1 = 0; sum2 = 0; for i = 2:(P+1) sum1 = atemp1(i)rxx(i) + sum1; end for i = 1:(P+1) sum2 = atemp1(i)rxx(P+2-i) + sum2; end deviationtemp1 = rxx(1) + sum1; dk = sum2; ref(P) = dk/deviationtemp1; deviationtemp2 = ( 1 - ref(P)ref(P) )deviationtemp1; for i = 2:(P+1) atemp2(i) = atemp1(i) - ref(P)atemp1(P+2-i); end %计算AR(P)模型参数 atemp1 = atemp2; veriance(P) = deviationtemp2

---