如果你要求的只是95%的置信度的话，那么用一个很简单的命令就可以实现了
首先，输入da=c(你的数据，用英文逗号分割），然后t.test(da)，运行就能得到结果了。
我的数据是newbomb <- c(28,26,33,24,34,-44,27,16,40,-2,29,22,24,21,25,30,23,29,31,19)
t.test(newbomb)得到的结果如下
如果要求任意置信度下的置信区间的话，就需要自己编一个函数了。
当然，有两点要记住的，置信区间的计算在知道方差和不知道方差的情况下，计算公式是不一样的。
下面做一个两种情况下都可以用的函数。
confint<-function(x,sigma=-1,alpha=0.05)
{
n<-length(x)
xb<-mean(x)
if(sigma>=0)
{
tmp<-sigma/sqrt(n)*qnorm(1-alpha/2)df<-n
}
else{
tmp<-sd(x)/sqrt(n)*qt(1-alpha/2,n-1)df<- n-1
}
data.frame(mean=xb,df=df,a=xb-tmp,b=xb+tmp)
}
这个函数的使用：
如果不知道方差，则confint（x,alpha） 知道方差，则confint（x,sigma,alpha)
这样就能计算出结果了。
predict () 里面interval="confidence"。https://cran.r-project.org/web/packages/JM/JM.pdf
标准正态分布下mean=0，sd=195%置信区间为[mean-1.96*sd,mean+1.96*sd]
即左侧概率和为97.5%的数据减去左侧概率和为2.5%的数据，期间的数据概率即为95%的置信区间。那为什么是1.96倍呢，先看两个函数
dnorm 中的 d 表示 density ， norm 表示正态分布，这个函数是正态分布的 概率密度(probability density)函数 。
给定x，μ和σ后， dnorm() 这个函数返回的就是会返回上面的这个公式的值，如果是标准正态分布，dnorm(n,mean=0,sd=1)输出就是当取n时的概率值，就是正态分布图当x=n时y的值。
pnorm函数中的p表示Probability，它的功能是，在正态分布的PDF曲线上，返回从负无穷到q的积分，其中这个q指的是一个Z-score，x=(mean+Z-score*sd)时的Z-score。现在我们大概就可以猜测出pnorm(0)的值是0.5，因为在标准正态分布曲线上，当Z-score等于0时，这个点正好在标准正态分布曲线的正中间，那么从负无穷到0之间的曲线面积就是整个标准正态分布曲线下面积的一半，pnorm(n,mean=0,sd=1)输出从负无穷到mean+sd*n的概率总和
用的最多的是3倍sd,相当于在正态分布落在3倍sd区间的概率为99.73002%，落在1.96倍sd区间的概率为95.00042%
那怎么求标准正态分布下0.975%，0.025%对应的Z-score呢，利用qnorm函数，非标准正态下不能这么求，因为qnorm函数输入的是分位值。或者查询正态分布表。
rnorm()函数的功能用于生成一组符合正态分布的随机数，在学习各种统计学方法时，rnorm这个函数应该是最常用的，它的参数有n,mean，sd，表示随机生成n个正态分布均值为mean标准差为sd时的一组数据，如下所示：
当出现如图所示的分布，近似正态分布，但是左右胖瘦不太一致时，这是现实中普遍存在的分布情况，如高通量测序过程中的碱基GC分布，这种情况求95%区间的方法
-先求取左侧部分的sd,但是要补足右侧对称的数据
-同样求右侧部分的sd,同时补足左侧对称的数据
-用最高密度值时max_gc值加减1.96倍左右侧的sd
做出效果如图
