max(向量名） ：返回向量最大值
min(向量名） ：返回向量最小值
range(向量名） ：返回向量中的上界和下界
mean(向量名） ：返回向量平均值
var(向量名） ：返回向量的方差
sd(向量名） ：返回向量的标准差
prod(向量名） ：向量中所有值的乘积
median(向量名） ：求中位数
quantile(向量名） ：求分位数, quantile(x,c(0.4,0.5,0.8) 求出向量x的四分位，五分位和八分位值。
abs(向量名） ：返回绝对值
sqrt(向量名) :计算平方根
log(向量名/值，base=底数值) :取对数
exp(向量名) :计算向量中每个元素的指数
sin(向量或值) ：正弦三角函数
cos(向量或值) ：余弦三角函数
ceiling(向量名） ：向上取整
floor(向量名） ：向下取整
trunc(向量名） ：舍去小数，取整
round(向量名） ：四舍六入五留双(五留双含义整数部分为偶数留整数，奇数部分进一，例如4.5留4，5.5留6)
round(向量名，digits=数值x）： round函数下保留x位小数，digits指小数点后位数
sigif(向量，digits=数值x) ：截取数据，digits指有效数字的位数
下标从1开始
which.max(向量名) ：返回最大元素的索引值
which.min(向量名）：返回最小元素的索引值
which(t>5)：返回元素值大于5的索引位置
t[which(t>5)]：返回元素值大于5的元素位置上的值
在R中，概率函数形如：
[dpqr]distribution_abbreviation
其中第一个字母表示其所指分布的某一方面：
d = 密度函数（density）
p = 分布函数（distribution function）
q = 分位数函数（quantile function）
r = 生成随机数（随机偏差）
以正态分布为例
1 什么是正态分布？
正态分布也被称为高斯分布，是统计学中极为常见的连续型概率分布。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
2 正态分布的两个参数及图形
正态分布有两个参数，即均数和标准差。 1）概率密度曲线在均值处达到最大，并且对称； 2）一旦均值和标准差确定，正态分布曲线也就确定； 3）当X的取值向横轴左右两个方向无限延伸时，曲线的两个尾端也无限渐近横轴，理论上永远不会与之相交； 4）正态随机变量在特定区间上的取值概率由正态曲线下的面积给出，而且其曲线下的总面积等于1；
5）均值可取实数轴上的任意数值，决定正态曲线的具体位置；标准差决定曲线的“陡峭”或“扁平”程度：标准差越大，正态曲线越扁平；标准差越小，正态曲线越陡峭。这是因为，标准差越小，意味着大多数变量值离均数的距离越短，因此大多数值都紧密地聚集在均数周围，图形所能覆盖的变量值就少些，于是都挤在一块，图形上呈现瘦高型。相反，标准差越大，数据跨度就比较大，分散程度大，所覆盖的变量值就越多，图形呈现“矮胖型”。
3 标准正态分布
如果不指定一个均值和一个标准差，则函数将假定其为标准正态分布（均值为0，标准差为1）。
4 正态分布的概率函数
概率密度函数为dnorm()，分布函数pnorm()，分位函数qnorm()，随机数生成函数rnorm()。
dnorm(x, mean = 0, sd = 1, log = FALSE)
pnorm(q, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE)
qnorm(p, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE)
rnorm(n, mean = 0, sd = 1)
x - 是数字的向量。
p - 是概率向量。
n - 是观察次数(样本量)。
mean - 是样本数据的平均值，默认值为零。
sd - 是标准偏差，默认值为1。
pretty()创建美观的分割点。选取n+1等间距的取整数，将连续变量x分割为n个区间。pretty(x,n)
x:它被定义为矢量数据。
n:结果向量的长度。
返回：等长区间的数据向量。
设定随机数种子
set.seed()
该函数是设定生成随机数的种子，种子是为了让结果具有重复性，保证你在执行和调试后，所创造的随机数保持不变。 24
runif(n, min = 0, max = 1)
该函数用于创建均匀分布的随机偏差。n表示观察次数，min和max分别为最小最大值。
其他概率分布见下表。
参考资料：
