你这里的用法就是:
ks.test(data,pt,df=df) #data是样本的数据,df是要检验的t分布的自由度
我们可以用很多方法分析一个单变量数据集的分布。最简单的办法就是直接看数
字。利用函数summary 和fivenum 会得到两个稍稍有点差异的汇总信息。此外,stem
(\茎叶"图)也会反映整个数据集的数字信息。
>attach(faithful)
>summary(eruptions)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.600 2.163 4.000 3.488 4.454 5.100
>fivenum(eruptions)
[1] 1.6000 2.1585 4.0000 4.4585 5.1000
>stem(eruptions)
The decimal point is 1 digit(s) to the left of the |
16 | 070355555588
18 | 000022233333335577777777888822335777888
20 | 00002223378800035778
22 | 0002335578023578
24 | 00228
26 | 23
28 | 080
30 | 7
32 | 2337
34 | 250077
36 | 0000823577
38 | 2333335582225577
40 | 0000003357788888002233555577778
42 | 03335555778800233333555577778
44 | 02222335557780000000023333357778888
46 | 0000233357700000023578
48 | 00000022335800333
50 | 0370
茎叶图和柱状图相似,R 用函数hist 绘制柱状图。
>hist(eruptions)
>## 让箱距缩小,绘制密度图
>hist(eruptions, seq(1.6, 5.2, 0.2), prob=TRUE)
>lines(density(eruptions, bw=0.1))
>rug(eruptions) # 显示实际的数据点
更为精致的密度图是用函数density 绘制的。在这个例子中,我们加了一条
由density 产生的曲线。你可以用试错法(trial-and-error)选择带宽bw(bandwidth)
因为默认的带宽值让密度曲线过于平滑(这样做常常会让你得到非常有\意思"的密度
分布)。(现在已经有一些自动的带宽挑选方法2,在这个例子中bw = "SJ"给出的结
果不错。)
我们可以用函数ecdf 绘制一个数据集的经验累积分布(empirical cumulative
distribution)函数。
>plot(ecdf(eruptions), do.points=FALSE, verticals=TRUE)
显然,这个分布和其他标准分布差异很大。那么右边的情况怎么样呢,就是火山
爆发3分钟后的状况?我们可以拟合一个正态分布,并且重叠前面得到的经验累积密
度分布。
>long <- eruptions[eruptions >3]
>plot(ecdf(long), do.points=FALSE, verticals=TRUE)
>x <- seq(3, 5.4, 0.01)
>lines(x, pnorm(x, mean=mean(long), sd=sqrt(var(long))), lty=3)
分位比较图(Quantile-quantile (Q-Q) plot)便于我们更细致地研究二者的吻合
程度。
par(pty="s") # 设置一个方形的图形区域
qqnorm(long)qqline(long)
上述命令得到的QQ图表明二者还是比较吻合的,但右侧尾部偏离期望的正态分布。
我们可以用t 分布获得一些模拟数据以重复上面的过程
x <- rt(250, df = 5)
qqnorm(x)qqline(x)
这里得到的QQ图常常会出现偏离正态期望的长尾区域(如果是随机样本)。我们可以用
下面的命令针对特定的分布绘制Q-Q图
qqplot(qt(ppoints(250), df = 5), x, xlab = "Q-Q plot for t dsn")
qqline(x)
最后,我们可能需要一个比较正规的正态性检验方法。R提供了Shapiro-Wilk 检
验
>shapiro.test(long)
Shapiro-Wilk normality test
data: long
W = 0.9793, p-value = 0.01052
和Kolmogorov-Smirnov 检验
>ks.test(long, "pnorm", mean = mean(long), sd = sqrt(var(long)))
One-sample Kolmogorov-Smirnov test
data: long
D = 0.0661, p-value = 0.4284
alternative hypothesis: two.sided
(注意一般的统计分布理论(distribution theory)在这里可能无效,因为我们用同样
的样本对正态分布的参数进行估计的。)
转载于:
http://www.biostatistic.net/thread-2413-1-1.html
R语言中一组数据服从威布尔分布。首先可以利用fitdistr函数求得weibull分布的形状参数和尺寸参数,假设数据为x:library(MASS) #fitdistr需要利用MASS包fitdistr(x, densfun = "weibull",lower=0)得到形状参数shape与尺度参数scale
然后利用ks.test进行检验:ks.test(jitter(x),"pweibull",shape,scale)
上边的jitter用来做小扰动,因为如果x中有重复数据的话ks.test会报错,如果x中没有重复数据则不需要jitter。shape是得到的形状参数,scale是得到的尺度参数。
ks.test得到两个结果,一个是D,越小越好,一个是p-value,这个值要大于0.05
1. 判断存在:一个元素是不是在向量中用 a%in%b>a="TT"
>b=c("AA","AT","TT")
>a %in% b
[1] TRUE
2. 判断某一元素这向量中的索引(第几个位置): index.TT=which(b==”TT”)
>index.TT=which(b=="TT")#index.TT是想知道的索引号,which是判断函数,b是想知道的元素所在的向量
>index.TT
[1] 3
3. 相当于 python 中的字典, names 函数
>b
[1] "AA" "AT" "TT"
>names(b)=c("geno1","geno2","geno3")#geno mean genotype
>names(b)
[1] "geno1" "geno2" "geno3"
>names(b)[1]
[1] "geno1"
>names(b)[1]="test"
>names(b)
[1] "test""geno2" "geno3"
>names(b)=NULL
>b
[1] "AA" "AT"
>b["geno2"]
"AT"
pop_name=c(“CEU”,"YRI")
names(pop_name)=c(1,2)
names(pop_name[1])=1
4. 去除某一元素: b[-index.nu]
#想去除元素”TT”,如果你不知道是第几个索引,可以先判断索引,再删除。
>b=c("AA","AT","TT")
>names(b)=c("geno1","geno2","geno3")
>index.TT=which(b=="TT")
>b=b[-index.TT]
>b
geno1 geno2
"AA""AT"
5. 相当于 Python 中的 set() 函数 和 count() 函数: unique() , table()
>b=c("TT","AT","AT","TT","AA")
>unique(b)#即相当于去除所有的重复,只保留一个
[1] "TT" "AT" "AA"
>table(b)#以元素为name,统计各元素的个数
b
AA AT TT
122
6. 字符串的分割: strsplit()
>test="AA"
>strsplit(test)
错误于strsplit(test) :缺少参数"split",也没有缺省值
>strsplit(test,split='')
[[1]]
[1] "A" "A"
>test=strsplit(test,split='')[[1]]
>test
[1] "A" "A"
7. 文本文档的写入: write.table()
write.table( res.matrix,file=new.file,sep='\t',quote=F,row.names=F,col.names=F,append=T)#quote=F去掉引号后写入,row.names=F去掉行的名字写入,否则会把名字写进去
##写入数据时候最好把数据存储成一个matrix然后直接写。要是每行每行写的话要注意数据的格式了。先建立一个空的matrix,见8,然后通过rbind或者cbind叠加上去。
方法一:
a=c()
b=c(“AA”,”TT”,”CC”)
for (i in 1:3){
a=c(a,b)
}
write.table(a,file=”test.txt”)#你会发现结果是
AA
TT
CC
….
##而且还有行和列的名字,因为没有设置参数。因为对于c向量来说,写的话默认是竖着写的,每个元素占一行。所以比较方便的就是rbind
方法二:
a=c()
b=c(“AA”,”TT”,”CC”)
for (i in 1:3){
a=rbind(a,b)
}
write.table(a,file=”test.txt”,quote=F,row.names=F,col.names=F)#你会发现结果是
AA TT CC
AA TT CC
AA TT CC
##原因是rbind把最总结果当做矩阵了。对于R数据的写入最好能生成最后的矩阵再写入。但是西面的梅一行写一次和方法二的效果是想通的,但是要用到append参数。
a=c()
b=c(“AA”,”TT”,”CC”)
for (i in 1:3){
a=rbind(a,b)
write.table(a,file=”test.txt”,quote=F,row.names=F,col.names=F,append=T)
}
8. 建立一个空的 matrix :
res.matrix <- matrix( ,nrow=0,ncol=6 )##这样就建立了一个0行6列的空matrix了。
9. 如何将 R 运行结果输出到文件
>x=read.table("F:/my/work/chengxu/PValue/pc2jieguo/pc2302.txt")
>z=t(x)
>ks.test(y,z)
Two-sample Kolmogorov-Smirnov test
data:y and z
D = 0.207, p-value <2.2e-16
alternative hypothesis: two-sided
如上面运行结果,我想将p-value <2.2e-16自动保存到一个文件中,如何用R程序实现,谢谢!
sink("output.txt")
print(ks.test(y,z)$p.value)
sink()
http://cos.name/cn/topic/16300
10 降序排列:
>a=c(1,1.2,0.1,4,5,-0.1)
>a=sort(a,decreasing=T)
>a
[1]5.04.01.21.00.1 -0.1
11. 取前1%的数
>a=c(1:10,4:20,1:100,1:1000)
>a=sort(a,decreasing=T)#先降序
>sig=a[round(length(a)*0.01)]
>sig
[1] 990
12.在shell中直接执行R脚本
R CMD BATCH --argstest.R
13. R中高级作图的方法
http://qizhi502.blog.163.com/blog/static/11497002520120611451736/
14:设置字体类型:
par(family='Times New Roman')
15:控制图形四周的空白大小
par(mfrow=c(3,1),mar=c(0,0,0,0))
其中mar是四周的间距,分别为x,y上下的距离
16控制作图区域的大小layout
layout(c(1,2,3),height=c(1,1,0.5))
分成竖着三份, 其中三份比列依次为(高度依次为2:2:1)
17保留两位小数
round(0.123,digits=2)
18 在原有图的基础上画图:
par(fig=c(0.1,0.5,0.43,0.65), new=TRUE)
19 只显示y轴
plot(1:10,1:10,axes=F)
axis(2,at.....)
20 调节刻度方向 las
plot(1:10,1:10,las=1)
21 屏幕分割
layout(matrix(1:16,4,4))###竖着plot
par(mfrow=c(4,4))##横着plot
22.逻辑表示或者
xor为异或,两值不等为真,两值相等为假。例:xor(0, 1)
23. 从向量中随机取几个数sample
sample(rep(1:1000),10)
23 字符串转换成小数浮点型
as.numeric("0.123")
24. 读取不规范的文本
f=readLines(afile,n=1)#n表示读几行
f=strsplit(f,'\t')##分割
f[1][[1]]##第一行
f[1][[1]][1]##第一行 第一个字符串
25. write 写入文件
write(afile, "a\tb\t",append=T) #沿着每行一次 写入
26. 不需要循环,这直接对matrix没行或者每列进行筛选操作apply()
apply(data,col2 or row1, max>0)
27.保留2位小数
a=2.300
a=as.numeric(sprintf(“%.3f”,a))
28。调出假设检验的p value
t.test(data1,data2)$p.value