distribution= 参数可为exact（精确模式，即依据所有可能的排列组合，仅适用于两样本问题）、approxiamate(nresample=#)（蒙特卡洛抽样，#指需要重复的次数）、asymptotic（渐进分布抽样）
lmPerm包更擅长方差分析。示例实验设计仍为5组接受不同治疗方法的多组结果比较。
实验示例仍为关节炎的治疗（两种）与效果（无、部分、显著）间的关系
实验示例为研究文盲率与谋杀率是否相关
主要为 lmp() 、 aovp() 两个函数分别对应参数法的 lm() 线性回归、 aov() 方差分析。主要格式上的区别是添加了 perm= 参数。可以为Exact（精确模式）、Prob（不断从可能的序列中抽样，直至估计的标准差在估计的p值0.1之下）、SPR（使用贯序概率比检验来判断何时停止抽样）。值得注意的是当样本观测大于10，perm="Exact"自动默认转为"Prob"，因此精确检验只适用于小样本问题。
（1）简单线性回归
实验示例仍为以身高预测体重的设计
（2）多项式回归
高精度拟合身高体重回归关系
（3）多元回归
探究谋杀率与多因素的回归关系
（1）单因素方差分析
（2）单因素协方差分析
实验示例仍为药物对刚出生小鼠体重影响，协变量为怀孕时间
（3）双因素方差分析（交互效应）
实验示例：两种药物分别在不同剂量下对小鼠牙齿长度的影响。
核心思想是有放回的抽样多次（1000次）
（1）写一个能返回带研究统计量的函数；
（2）确定重复数，使用 boot() 函数处理；（一般重复1000次即可；此外有人认为初始样本大小为20-30即可得到足够好的结果）；
（3） boot.ci() 函数计算统计量置信区间。
实验示例：使用mtcar数据框，采用多元回归，根据车重和发动机排量来预测汽车的每加仑行驶的英里数。想获得95%的R平方值（预测变量对响应变量可解释的方差比）的置信区间
（1）首先写函数
（2）然后使用boot()函数
（3）最后boot.ci()函数求置信区间
实验示例：使用mtcar数据框，采用多元回归，根据车总和发动机排量来预测汽车的每加仑行驶的英里数。想获取一个统计量向量--三个回归系数（截距项、车总、发动机排量）95%的置信区间。
20200505·Kony·Win10
变量(various) ：用于存储值保留的内存位置，变量被分配了R对象，并且R对象的数据类型成为变量的数据类型。
R对象类型（Types of R-objects）：
转换数据类型
判断转换类型转换函数
is.numeric() as.numeric() #数字
is.character()as.character()#字符
is.vector() as.vector() #向量
is.matrix() as.matrix() #矩阵
is.data.frame() as.data.frame() #数据框
is.factor() as.factor() #因子
is.logical() as.logical()#逻辑数据
以上每一行的两个函数都是定义相同类型的函数
?不是很懂raw
向量 的下标是从1开始的
取某个元素：x[2](如果X包括名称，注意:x[2]与x[[2]]的区别；
取某中几个：x[c(1,2,0)]
取某个/几个元素，利用-：x[-n]#取除去第n个元素之外的其他元素
sort()输出排序后的结果；order()；输出排序后的各个向量位置，如下所示：
x[n] 第n个元素
x[-n] 除了第n个元素的x
x[1:n] 前n个元素
x[-(1:n)] 第n+1至最后的元素
x[c(1,4,2) ] 指定元素
x["name"] 名为"name"的元素
x[x >3] 所有大于3的元素
x[x >3 &x <5] 区间(3,5)的元素
x[x %in% c ("a","and","the")] 给定组中的元素
data >20 是一个表示式，它的返回值是一个有TRUE和FALSE 构成的逻辑向量，最终只选取了TRUE对应的元素，所以data 中大于20的元素被选了出来。
%in%这个操作符只返回逻辑向量TRUE 或者FALSE，而且返回值应该与%in%这个操作符前面的向量程度相等。也就是说它相当于遍历了C里面的一个个元素，判断它们是否在B中出现过，然后返回是或者否即可。
而match(C,B)的结果就很不一样了，它的返回结果同样与前面的向量等长，但是它并非返回逻辑向量，而是遍历了C里面的一个个元素，判断它们是否在B中出现过，如果出现就返回在B中的索引号，如果没有出现，就返回NA。
笔记参考：R语言基础--数据类型之向量 https://www.jianshu.com/p/7b47a6bbb7a9
本节来介绍 dplyr 中的行选择函数slice，此函数可轻松的按照索引对行进行处理
取前3行
取第三行至最后一行
取第5行至最后一行
取最后一行
取前5行
取最后5行
将第一行至第四行从数据中剔除
取出Sepal.Width列最小的一行
若有重复值加 with_ties=FALSE 只取一行
slice_sample 随机无重复抽样
slice_sample 随机有重复抽样
每组只取2行
pro=0.5 表示按分组只取每组内一半的数据
保留全部数据
