R语言之 常用的统计函数

1. R语言之 常用的统计函数

 用的最多的，是求均值的mean()函数，当然这里也要提到，像sum()这种求和函数，   还有sd(x) 标准差函数，var(x) 方差函数。min()求最小值，max()求最大值。   我们来具体试试，这里使用一个向量：    test max(test)   [1] 19   求最小值   > min(test)   求和   > sum(test)   [1] 43   求标准差，求方差   > sd(test)   [1] 65.01154   > var(test)   [1] 4226.   在来试试最重要的均值   > mean(test)   [1] 48.66667   另外中位数计算。使用median()函数   > median(test)   [1] 23 
   如果给定一种概率分布，通常会有四类计算问题：   计算其概率密度density （d）计算其概率分布probability（p）计算其百分位数quantile （q）随机数模拟random （r）上面四类计算对应的英文首字母，就是R语言类率分布函数的开头字母。   比如说，正态分布是norm的化，那密度函数就是dnorm(),分布函数就是pnorm(),   更有用的是用相应分布生成随机数，比如rnorm(),就会生成服从正态分布的随机数。   比如我们生成100个服从正态分布的随机数    rnorm(100)    [1] -9.064408e-01  1.026560e+00 -1.097470e+00  1.055395e+00  9.377175e-01   [6] -2.080103e-01 -3.092396e-01 -8.739942e-01 -1.242774e+00  1.102486e+00   [11]  1.082092e+00 -1.695528e+00 -5.930809e-01 -2.100800e-01  8.253859e-01   [16] -1.112551e+00 -3.960474e-01 -9.354820e-01  7.291608e-01 -3.773510e-01   [21] -3.438082e-01 -7.378688e-02 -9.047609e-01 -1.036344e+00  9.485103e-01   [26] -3.437985e-01 -2.145275e-02  1.350098e+00 -1.283633e+00  3.767240e-01   [31]  1.169566e+00 -4.325399e-01 -9.215626e-02  3.839357e-01  3.045491e-01
   ......
   我们再用相应的频率分布直方图来看一下，这些生成的随机数：   hist(rnorm(100))   R就画出了这些随机数的频率分布图

2. R语言与统计分析的介绍

《R语言与统计分析》以数据的常用统计分析方法为基础，在简明扼要地阐述统计学基本概念、基本思想与基本方法的基础上，讲述与之相对应的R函数的实现，并通过具体的例子说明统计问题求解的过程。《R语言与统计分析》注重统计的思想性、方法的实用性和计算的可操作性。

3. R语言与统计分析的内容简介

《R语言与统计分析》在内容的安排上不仅包含了基础统计分析中的探索性数据分析、参数估计与假设检验，还包括了非参数统计分析的常用方法、多元统计分析方法及贝叶斯统计分析方法。每一部分都通过具体例子重点讲述解决问题的思想、方法和在R中的实现过程。

4. 《R语言实战》自学笔记25-统计函数

  数据准备 
   统计概念学习。
   (1)当观测值为奇数时，(n+1)/2位置的观测值即为中位数。     
   (2)当观测值个数为偶数时，n/2和n/2 + 1位置的两个观测值的平均数为中位数。     
                                            数据的标准化      数据的标准化是指将数据按照比例缩放，使之落入一个特定的区间。   数据的中心化：数据集中的各项数据减去数据集的均值。  中心化公式：        数据的标准化：中心化之后的数据再除以数据集的标准差，即数据集中的各项数据减去数据集的均值再除以数据集的标准差。经过该方法处理的数据的均值是0，标准差是1。  标准化公式：        其中，x为观测者，  为平均值，S为标准差。
   scale(x, center = TRUE, scale = TRUE)   x：用于标准化的数据，   center=T：表示数据中心化，   scale=T：表示数据标准化。   默认情况下，center=TRUE，scale=TRUE，scale()函数首先把一组数的每个数都减去这组数的平均值，然后除以这组数的均方根。   如果scale=TRUE，而center=FALSE，那么，scale()函数不会把一组数中的每个数减去平均值，而直接除以这组数据的均方根。
   参考资料：

5. R语言与统计分析的目录

第一章R介绍§1.1S语言与R§1.2R的特点§1.3R的资源§1.4R的安装与运行1.4.1R软件的安装、启动与关闭1.4.2R程序包的安装与使用第一章习题第二章R的基本原理与核心§2.1R的基本原理§2.2R的在线帮助§2.3一个简短的R会话§2.4R的数据结构2.4.1R的对象与属性2.4.2浏览对象的信息2.4.3向量的建立2.4.4数组与矩阵的建立2.4.5数据框（dataframe）的建立2.4.6列表（1ist）的建立2.4.7时间序列（ts）的建立§2.5数据的存储与读取2.5.1数据的存储2.5.2数据的读取§2.6R的图形功能2.6.1绘图函数2.6.2低级绘图命令2.6.3绘图参数2.6.4一个实例§2.7R.编程2.7.1循环和向量化2.7.2用R写程序2.7.3编写你自己的函数2.7.4养成良好的编程习惯第二章习题第三章概率与分布§3.1随机抽样§3.2排列组合与概率的计算§3.3概率分布3.3.1离散分布的分布律3.3.2连续分布的密度函数§3.4R中内嵌的分布§3.5应用：中心极限定理3.5.1中心极限定理3.5.2渐近正态性的图形检验3.5.3举例第三章习题第四章探索性数据分析§4.1常用分布的概率函数图§4.2直方图与密度函数的估计4.2.1直方图4.2.2核密度估计§4.3单组数据的描述性统计分析4.3.1单组数据的图形描述4.3.2单组数据的描述性统计§4.4多组数据的描述性统计分析4.4.1两组数据的图形概括4.4.2多组数据的图形描述4.4.3多组数据的描述性统计4.4.4分组数据的图形概括§4.5分类数据的描述性统计分析4.5.1列联表的制作4.5.2列联表的图形描述第四章习题第五章参数估计§5.1矩法估计和极大似然估计5.1.1矩法估计5.1.2极大似然估计§5.2单正态总体参数的区间估计5.2.1均值μ的区间估计5.2.2方差σ2的区间估计§5.3两正态总体参数的区间估计5.3.1均值差μ1-μ2的置信区间5.3.2两方差比σ12/22的置信区间§5.4单总体比率p的区间估计§5.5两总体比率差p1-p2的区间估计§5.6样本容量的确定5.6.1估计正态总体均值时样本容量的确定5.6.2估计比例p时样本容量的确定第五章习题第六章参数的假设检验§6.1假设检验与检验的p值6.1.1假设检验的概念与步骤6.1.2检验的p值§6.2单正态总体参数的检验6.2.1均值μ的假设检验6.2.2方差盯σ2的检验：x2检验§6.3两正态总体参数的检验6.3.1均值的比较：t检验6.3.2方差的比较：F检验§6.4成对数据的t检验§6.5单样本比率的检验6.5.1比率p的精确检验6.5.2比率p的近似检验§6.6两样本比率的检验第六章习题第七章非参数的假设检验§7.1单总体位置参数的检验7.1.1中位数的符号检验7.1.2Wilcoxon符号秩检验§7.2分布的一致性检验：x2检验§7.3两总体的比较与检验7.3.1X2独立性检验7.3.2Fisher精确检验7.3.3Wilcoxon秩和检验法和Mann-whitneyU检验7.3.4Mood检验§7.4多总体的比较与检验7.4.1位置参数的Kruskal-Wallis秩和检验7.4.2尺度参数的Ansari-Bradley检验7.4.3尺度参数的Fligner-Killeen检验第七章习题第八章方差分析§8.1单因子方差分析8.1.1数学模型8.1.2均值的多重比较8.1.3同时置信区间：Tukey法8.1.4方差齐性检验……第九章回归分析与相关分析第十章多元统计分析介绍第十一章贝叶斯统计分析……

6. 统计学中R是什么

R是相关系数
相关系数又称线性相关系数.它是衡量变量之间线性相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。

7. 统计学学生，关于统计学中的“R”语言有什么基本的书籍推荐吗

背景：统计学硕士，精通spss（含编程），SAS数据挖掘，R涉猎一点。
针对你的问题，我想给你以下几个方面作为参考。
你学习软件的目的是为了什么？
考虑到作业和科研以及以后参加工作，spss和R的普及性更高。spss易于操作，R则是因为开放的源代码更受到欢迎，而SAS更安全可靠，但是由于SAS软件比较大，并不是适合所有人上手，但是在更高规模的数据集下，SAS还是我的首选。
针对你所想学习的软件
首先最终要的一点，你必须明白软件是一个工具，思维的推倒思想的构建更重要。我学过很多软件，只要有逻辑在，只是熟悉语言表达的过程，都非常容易上手，包括python。
具体推荐关于R的书籍
（1）官网资料和HELP是首选，因为很多书籍都是基于help的整理和翻译。
（2）R语言实战。具体是实现各种统计分析和相关算法。
（3）《A Handbook of Statistical Analyses Using R》，这个实例比较多，适合在具体分析相关问题的时候参考。配合（1）(2)反复扣自己不懂的地方，能获得较多成长。
（4）其他很多还有相关书籍，还有专门涉猎r画图的书籍。但是这些书籍的代码应该会不断更新，建议多在网上查资料。
（5）多逛相关的论坛，看别人的提问，解决问题，是帮助自己在实战中成长的最快方法。
统计工具很重要，统计思想更重要。好好学习基础，祝好！

8. R语言在统计中的应用有哪些?

R语言是一个开源、跨平台的科学计算和统计分析软件包，具有丰富多样、强大的的统计功能和数据分析功能，R语言是主要用于统计分析、绘图的语言和操作环境。


R中的统计分析通过使用许多内置函数来执行。 这些函数大多数是R基础包的一部分。 这些函数将R向量作为输入和参数，并给出结果。


模式是一组数据中出现次数最多的值。 Unike平均值和中位数，模式可以同时包含数字和字符数据。


R语言没有标准的内置函数来计算模式。 因此，我们创建一个用户函数来计算R语言中的数据集的模式。该函数将向量作为输入，并将模式值作为输出。