reshape2：变形，整合
stringr：处理字符串
lubridate：处理时间
RODBC：链接数据库
plyr：拆分，合并，重组。
knitr：谢益辉，自动化报告包
ggmap：ggplot2+map的一个包，主要用来画地图，但是ggplot2的功能也都有
animation：谢益辉，动画包
formatR：谢益辉，整理代码的包
googleVis：利用google的API，可以生成动态气泡图之类
data.table：大的数据，用它取子集等，不怎么会。
一般地，如果你已知一个连续随机变量X的cdf F_X(x)（=P(X<=x)）的话，那么F^(-1)(U)（F^(-1)为F的反函数）就符合这个分布（U为(0,1)上的均匀分布），反之亦然。证明很简单，就是直接套定义。所以你可以写出来F^(-1)这个函数（比如说自定义函数名为FInverse），然后生成随机数组：
randomSequence<-FInverse(runif(n))
对于指数分布来说，
FInverse<-function(p,lambda=1){
-log(1-p)/lambda
}
离散随机变量类似吧。。。
当然，前提是你能写出来F^(-1)。。。（所以我老师说这个方法没啥用。。。）有的分布不好写F^(-1)，但是有一些比较巧妙的办法（比如正态分布），这种应该就只能具体问题具体分析了。
ox 和 Muller 在 1958 年给出了由均匀分布的随机变量生成正态分布的随机变量的算法。设 U1， U2 是区间 (0， 1) 上均匀分布的随机变量，且相互独立。令X1 = sqrt(-2*log(U1))...
