R语言函数：mean( )
2.中位数（median）
将所有观测值从小到大排列，居于中间位置的观测值称为中位数，用 表示。
当观测值为奇数个时，中位数是第 位置的观测值；
当观测值为偶数个时，中位数是第 位置的两个观测值之和的
R语言函数：median( )
3.众数（mode）
资料中出现次数最多的那个观测值或出现次数最多一组的中点值，称为众数，用 表示
4.几何平均数（geometric mean）
用G表示。资料中有n个观测值，则计算公式为：
R语言计算：exp^(mean( log (x))) R语言log()函数默认底为e
5.加权平均数（weighted mean）
在有N个观测的样本中，观测数 出现 次，观测数 出现 次，观测数 出现 次，且 ，则：
6.加权几何均数：
R语言计算：exp^(sum(f*log(x))/sum(f))
1.极差（range）
又称为全距，是样本资料中最大值和最小值之差，一般用R表示
R语言计算：max(data) - min(data)
2.方差（variance）
又称为均方（mean square，MS）
样本方差计算公式：
总体方差计算公式：
R语言函数：var( )
3.标准差（standard deviation, Sd）
样本标准差：
总体标准差：
R语言函数：sd( )
4.四分位数间距 （inter-quartile range ，IQR ）
IQR=P75−P25
适于偏态分布或分布未知资料，由于不受两端极大或极小数据的影响，四分位数间距比极差更为稳定，但仍未考虑每个观测值的变异。 常与中位数一起使用 ，综合反映数据的平均水平和变异程度，写成 M(P25, P75) 。
R语言函数：quantile( )
5.变异系数（coefficient of variability, CV）
%
在 度量单位不同 或者 均数相差悬殊 时使用。
函数主体可以是一系列表达式，这些表达式需要用大括号括起来：function(param1, ..., paramN) {
expr1
.
.
.
exprM
}
讨论
函数的定义告诉R软件“用何种方式进行计算”。例如，R软件没有内置计算变异系数的函数，因此你可以定义函数如下：
>cv <- function(x) sd(x)/mean(x)
>cv(1:10)
[1] 0.5504819
第一行定义了名为cv的函数，第二行引用该函数，以1∶10作为其参数x的值。函数对参数应用函数主体中的表达式sd(x)/mean(x)进行计算并返回结果。
定义函数后，我们可以在任何需要函数的地方应用它，例如可以作为lapply函数的第二个参数（参见方法6.2）：
>cv <- function(x) sd(x)/mean(x)
>lapply(lst, cv)
函数主体如果包含多行表达式，则需要使用大括号来确定函数内容的起始和结束位置。下面这一函数采用了欧几里德算法计算两个整数的最大公约数：
>gcd <- function(a,b) {
+ if (b == 0) return(a)
+ else return(gcd(b, a %% b))
+ }
R软件也允许使用匿名函数，匿名函数是没有函数名称但在单行的语句中很实用的函数。先前的例子中我们提到将cv函数作为lapply函数的一个参数，而若使用匿名函数直接作为lapply函数的参数，则能将原先的命令简化至同一行中：
>lapply(lst, function(x) sd(x)/mean(x))
由于本书重点不在于介绍R的编程语言，这里不对R函数编程的细微之处进行解释。下面给出几个需要注意的地方：
返回值
所有函数都有一个返回值，即函数主体最后一个表达式值。你也可以通过return(expr)命令给出函数的返回值。
值调用
函数参数是“值调用”——如果你改变了函数中的参数值，改变只是局部的，并不会影响该参数所引用的变量值。
局部变量
你可以简单地通过赋值来创建一个局部变量，函数结束后该局部变量会消失。
条件执行
R语法中包含if语句，更多详情可以使用help(Control)命令查看。
循环语句
链接： http://www.bio-info-trainee.com/4385.html
我做题的时候主要翻阅学习了《R语言实战》里统计相关内容。
需要掌握R内置数据集及R包数据集
鸢尾花(iris)数据集，包含150个鸢尾花的信息，共五列，分别为萼片长度(Sepal.Length)、萼片宽度(Sepal.Width)、花瓣长度(Petal.Length)、花瓣宽度(Petal.Width)和种类(Species)。前四列为定量数据，后一列种类为定性数据，是非连续的字符变量。
定量数据的集中趋势指标主要是：众数、分位数和平均数
定量数据的离散趋势指标主要是：极差，方差和标准差，标准分数，相对离散系数（变异系数），偏态系数与峰态系数
分组统计，最一开始是想将数据集分成三个数据框，重复之前函数，有几个方法：
或者不分开，之前对原数据集计算：
apply函数可以解决数据循环处理的问题，可以对矩阵、数据框、数组（二维、多维），按行或列进行循环计算，对子元素进行迭代，并把子元素以参数形式给自定义的FUN函数中，并返回计算结果。
函数定义:
apply(X,MARGIN,FUN,...)
参数列表：
用来对list、data.frame进行循环，并返回和X长度同样的list结构作为结果集。
同lapply函数，多了2个参数simplify和USE.NAMES，返回值为向量，不是list对象。
类似sapply函数，提供了FUN.VALUE参数，用来控制返回值的行名。
类似sapply函数，第一个参数为FUN，可接受多个数据。
tapply函数用于分组的循环计算，相当于group by的操作。
函数定义：
tapply(X,INDEX,FUN,simplify,...)
参数列表：
只处理list类型数据，对list的每个元素进行递归遍历，如果list包括子元素则继续遍历。
R可以计算多种相关系数，包括Pearson相关系数、Spearman相关系数、Kendall相关系数、偏相关系数、多分格相关系数、多系列相关系数。cor()函数可以计算前三种相关系数，cov()函数可以计算协方差。
数据的标准化是指中心化之后的数据在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。scale()函数可以完成标准化。
mtcars数据集是32辆汽车在11个指标上的数据。
airway包是8个样本的RNA-seq数据的counts矩阵，这8个样本分成2组，每组是4个样本，分别是 trt 和 untrt 组。
t检验是一种可用于比较的假设检验。
理解t检验：一个年纪共有好多学生，需要研究他们的平均身高。这时，这批学生是我们 要研究的对象 ，即 总体 。从这个年纪中每个班级随机挑选10名同学，这部分同学则为 样本 ，通过样本来对总体的某个统计特征（比如上面研究的平均值、众数、方差等）做判断的方法为 假设检验 。
一个针对两组的独立样本t检验可以用于检验两个总体的均值相等的假设，检验调用格式为：
t.test( y ~ x, data )
其中y是一个数值型变量，x是一个二分变量。
t.test(y1,y2)
其中y1、y2为数值型向量。
现在还不能用自己的语言解释清楚，整合几篇写的比较详细的教程：
http://www.biye5u.com/article/R/2019/6399.html
https://www.jianshu.com/p/67be9b3806cd
统计这部分还是似懂非懂的状态，继续学习~
更多学习资源：
生信技能树公益视频合辑
生信技能树账号
生信工程师入门最佳指南
生信技能树全球公益巡讲
招学徒
...
你的宣传能让数以万计的初学者找到他们的家，技能树平台一定不会辜负每一个热爱学习和分享的同道中人
