一、用法不同
1、S语言：S语言用来进行数据探索、统计分析、作图的解释型语言。
2、R语言：R是自由软件，是一种可编程的语言。
二、开发人员不同
1、S语言：语言是由AT&T贝尔实验室开发的。
2、R语言：后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。
扩展资料：
R语言的特点
1、R是自由软件。这意味着它是完全免费，开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件身自身就带有许多模块和内嵌统计函数，安装好后可以直接实现许多常用的统计功能。
2、R是一种可编程的语言。作为一个开放的统计编程环境,语法通俗易懂，很容易学会和掌握语言的语法。
3、所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时,它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中，随着新的统计分析方法的出现,标准安装文件中所包含的程序包也随着版本的更新而不断变化。
4、R具有很强的互动性。除了图形输出是在另外的窗口处，它的输入输出窗口都是在同一个窗口进行的，输入语法中如果出现错误会马上在窗口口中得到提示，对以前输入过的命令有记忆功能，可以随时再现、编辑修改以满足用户的需要。
5、如果加入R的帮助邮件列表一，每天都可能会收到几十份关于R的邮件资讯。可以和全球一流的统计计算方面的专家讨论各种问题。
参考资料来源：百度百科-S语言
参考资料来源：百度百科-R语言
Shapiro-Wilk检验 用来检验是否数据符合正态分布 ，类似于线性回归的方法一样，是检验其于回归曲线的残差。该方法作者推荐在样本量很小的时候使用，比如N<20。但是也有作者推荐在大数据集上使用。该作者将这种修改后的方法运用在R语言的stats包中的 shapiro.test 函数中。
为排序后的样本数据， 为待估常量，假设样本数据确实符合一个未知均值 、标准差 的正态分布，那么样本数据就会满足下列一次函数式：
其中xi是随机正态分布N(0,1)中排序数据。
统计量越大则表示数据越符合正态分布，但是仅凭这一个参数是不够的， 在非正态分布的小样本数据中也经常会出现较大的W值。 该统计量的分布是未知的，因此需要通过模拟或者查表来估计其概率。由于原假设是其符合正态分布，所以当P值小于指定显著水平时表示其不符合正态分布。
主要分析p-value，由于原假设H0假定数据和正态分布没有差异，p<0.05否定原假设，说明数据不符合正态分布。
换一组数据
由于原假设H0假定数据和正态分布没有差异，p显著大于0.05，不能否定原假设，说明可认为数据符合正态分布。
由于原假设H0假定数据和正态分布没有差异，p显著小于0.05，否定原假设，说明数据不符合正态分布。
