《R语言实战》自学笔记25-统计函数

Python027

《R语言实战》自学笔记25-统计函数,第1张

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：

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<-c(2,4,5,23,199,25,78,90,12)

求最大值

>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