R语言相关分布函数、统计函数的使用

分布函数家族： *func（）
r : 随机分布函数
d : 概率密度函数
p : 累积分布函数
q : 分位数函数 func（）表示具体的名称如下表：例子#r :随机分布函数#d :概率密度函数#p :累积分布函数#q :分位数函数#生成符合二项分布的数据#二项分布#X~（N,P） str（rbinom）x<-rbinom（5,1,0.5）#做1次试验，假设正面概率为0.5，进行5次观察，每1次试验中正面出现的次数为别为 0 0 1 1 0x<-rbinom（5,10,0.5） #做10次试验，假设正面概率为0.5，进行5次观察，每10次试验中正面出现的次数分别为 4 4 7 6 6xplot（x）#概率密度函数y<-dbinom（40,100,0.5） #做100次试验，假设正面概率为0.5，正面出现的次数为50次的概率是 0.01084387y<-dbinom（40:50,100,0.5） ##做100次试验，假设正面概率为0.5，正面出现的次数分别为40到50的概率分别为: 0.01084387...sum（y） #累计概率y<-dbinom（0:100,100,0.5） plot（y） #概率密度曲线plot（0:100,y,pch=16） #概率密度曲线#累计概率z<-pbinom（50,100,0.5）#累计概率小于等于50的概率为0.5397946z<-dbinom（0:50,100,0.5）sum（z）plot（pbinom（0:100,100,0.5））#分为点q = qbinom（0.5,100,0.5）#在0.5分为点的数值为q

单变量统计函数

均值：mean
中位数：median
分位数：quantile
方差：var
标准差：sd
频数表：table偏度： Sk=sum（（x[！is.na（x）]-Av）^3/Sd^3）/N #偏度 <0 左偏 >0 右偏峰度： Ku=sum（（x[！is.na（x）]-Av）^4/Sd^4）/N-3 #峰度 <3 坡度缓 >3 坡度陡#单变量的描述统计str（airquality） #R自带的空气质量数据集 str 结构structure的缩写summary（airquality） #汇总数据包括最小值、分位数、平均数、中位数、最大值、缺失值（NA"s）#平均值mean（airquality$Ozone, na.rm = T） #na.rm=T 对缺失值进行删除，存在缺失值，结果为NAmean（airquality$Temp, na.rm = T, trim = .01） #trim=.01 按百分比去掉头尾的数，删除极值#中位数median（airquality$Ozone, na.rm = T） #加权平均数temp100 <- rnorm（100,30,1）#通过正态分布生成100个随机数，平均值为30w <- 1:100 #生成每个值的权重值wmt = weighted.mean（temp100,w,na.rm = T） #进行加权平均计算mt = mean（temp100,na.rm = T）#几何平均数x<- c（.045, .021, .255, .019）xm = mean（x）xg = exp（mean（log（x）））#exp指数 log对数#中位数median（temp100,na.rm = T）#分位数quantile（airquality$Temp, na.rm = T） #0%25%50%75% 100% 50%中位数0%最小值 25%上四分位数#56 72 79 85 97 quantile（airquality$Temp, na.rm = T, probs = c（0,0.1,0.9,1）） #通过probs自定义分位点#方差var（temp100）#标准差ts <- sd（temp100）ts^2 #标准差的平方等于方差#峰度和偏度mysummary = function（x,...）{Av=mean（x,na.rm = T）Sd=sd（x,na.rm = T）N=length（x[！is.na（x）]）Sk=sum（（x[！is.na（x）]-Av）^3/Sd^3）/N #偏度Ku=sum（（x[！is.na（x）]-Av）^4/Sd^4）/N-3 #峰度result=c（argv=Av, sd=Sd, skew=Sk, kurt=Ku）return （result）}mysummary（temp100）#argv sd skew kurt #30.1096130231.033804058 -0.008489863 -0.597720454 #通过apply进行提交apply（airquality[,c（-5,-6）],2,FUN=mysummary）#Ozone Solar.R Wind Temp#argv 42.129310 185.9315068 9.95751634 77.8823529#sd 32.98788590.0584222 3.523001359.4652697#skew1.209866-0.4192893 0.34102753 -0.3705073#kurt1.112243-1.0040581 0.02886468 -0.4628929非单封分布：#非单峰分布不能简单计算均值x=rnorm（100,50,9）y=rnorm（200,150,9）z=c（x,y）plot（density（z）） #使用密度曲线画图abline（v=mean（z）,col=3,lw=3）

双变量函数

协方差：cov相关系数：cor 通过相关系数计算相关性缺失值处理：行删除、配对删除等#协方差 cov（airquality[,-5:-6],use = "complete.obs"）#行删除,处理缺失值cov（airquality[,-5:-6],use = "pairwise.complete.obs"） #配对删除,处理缺失值#相关系数cor（airquality[,-5:-6],use = "complete.obs"）#行删除cor（airquality[,-5:-6],use = "pairwise.complete.obs"） #配对删除#结果为对称矩阵本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-09/135293.htm