变量赋值
可以使用向左，向右和等于运算符来为变量分配值。可以使用print()或cat()函数打印变量的值。cat()函数将多个项目组合成连续打印输出。
var.1 = c(0,1,2,3)
var.2 <- c("learn","R")
c(TRUE,1) ->var.3
print(var.1)
cat("var.1 is",var.1,"")
cat("var.2 is",var.2,"")
cat("var.3 is",var.3,"")
[1] 0 1 2 3
var.1 is 0 1 2 3
var.2 is learn R
var.3 is 1 1
注：向量c（TRUE,1）具有逻辑和数值类的混合，因此，逻辑类强制转换为数字类，使TRUE为1。
R中有许多用于存储数据的结构，包括标量、向量、数组、数据框和列表。多样化的数据结构赋予了R极其灵活的数据处理能力。R可以处理的数据类型包括数值型、字符型、逻辑型（TRUE/FALSE）、复数型（虚数）和原生型（字节）。数据框（data frame）是R中用于存储数据的一种结构：列表示变量，行表示观测。在同一个数据框中可以存储不同类型（如数值型、字符型）的变量。数据框将是你用来存储数据集的主要数据结构。因子（factor）是名义型变量或有序型变量。它们在R中被特殊地存储和处理。
class()函数可以查询变量的抽象类型，typeof()函数可以查询变量在内存中保存的方式，is.integer() 函数可以判断数据是否为整型，这个函数同样可以判断其他的数据类型，as.integer() 函数可以将数据强制转换为整型，其它数据类型也适用，length() 函数可以返回变量的长度。
1、数值型（numerical）变量
在控制台中键入下列命令建立数值型变量并查看变量类型：
2、字符型(character)变量
在控制台中键入下列命令建立字符型型变量并打印：
3、逻辑型(logical)变量
在控制台中键入下列命令建立逻辑性变量并查看变量类型：
4、复合型(complex)变量
R中的复合型变量指数学上的复数，包括实部和虚部，定义如下：
-- title: R语言中dnorm, pnorm, qnorm与rnorm以及随机数 date: 2018-09-07 12:02:00 type: "tags" tags: 在R语言中，与正态分布（或者说其它分布）有关的函数有四个，分别为dnorm,pnorm,qnorm和rnorm，其中，dnorm表示密度函数，pnorm表示分布函数，qnorm表示分位数函数，rnorm表示生成随机数的函数。在R中与之类似的函数还有很多，具体的可以通过 help(Distributions) 命令去查看，对于分位数或百分位数的一些介绍可以看这篇笔记 《分位数及其应用》 ，关于正态分布的知识可以看这篇笔记 《正态分布笔记》 。 现在这篇笔记就介绍一下这些函数的区别。 R提供了多种随机数生成器(random number generators, RNG)，默认采用的是Mersenne twister方法产生的随机数，该方法是由Makoto Matsumoto和Takuji Nishimura于1997年提出来的，其循环周期是 。R里面还提供了了Wichmann-Hill、Marsaglia-Multicarry、Super-Duper、Knuth-TAOCP-2002、Knuth-TAOCP和L'Ecuyer-CMRG等几种随机数生成方法，可以通过 RNGkind() 函数进行更改，例如，如果要改为WIchmann-Hill方法，就使用如下语句： 在R中使用随机数函数，例如 rnorm() 函数来生成的随机数是不一样的，有时我们在做模拟时，为了比较不同的方法，就需要生成的随机数都一样，即重复生成相同的随机数，此时就可以使用 set.seed() 来设置随机数种子，其参数为整数，如下所示：dnorm 中的 d 表示 density ， norm 表示正态贫，这个函数是正态分布的 概率密度(probability density)函数 。 正态分布的公式如下所示：给定x，μ和σ后， dnorm() 这个函数返回的就是会返回上面的这个公式的值，这个值就是Z-score，如果是标准正态分布，那么上述的公式就变成了这个样子，如下所示：现在看一个案例，如下所示：dnorm(0,mean=0,sd=1) 由于是标准正态分布函数的概率密度，这个命令其实可以直接写为 dnorm(0) 即可，如下所示： 再看一个非标准正态分布的案例，如下所示： 虽然在 dnorm() 中，x是一个概率密度函数(PDF,Probability Density Function)的独立变量，但它也能看作是一组经过Z转换后的一组变量，现在我们看一下使用 dnorm 来绘制一个正态分布的概率密度函数曲线，如下所示： 现在使用 dnorm() 函数计算一下Z_scores的概率密度，如下所示： 现在绘图，如下所示： 从上面的结果可以看出，在每个Z-score处， dnorm 可以绘制出这个Z-score对应的正态分布的pdf的高度。pnorm 函数中的 p 表示Probability，它的功能是，在正态分布的PDF曲线上，返回从负无穷到 q 的积分，其中这个 q 指的是一个Z-score。现在我们大概就可以猜测出 pnorm(0) 的值是0.5，因为在标准正态分布曲线上，当Z-score等于0时，这个点正好在标准正态分布曲线的正中间，那么从负无穷到0之间的曲线面积就是整个标准正态分布曲线下面积的一半，如下所示：pnorm 函数还能使用 lower.tail 参数，如果 lower.tail 设置为 FALSE ，那么 pnorm() 函数返回的积分就是从 q 到正无穷区间的PDF下的曲线面积，因此我们就知道了， pnorm(q) 与 1-pnorm(q,lower.tail=FALSE) 的结果是一样的，如下所示： 在计算机出现之前的时代里，统计学家们使用正态分布进行统计时，通常是要查正态分布表的，但是，在计算机时代，通常都不使用正态分布表了，在R中， pnorm() 这个函数完全可以取代正态分布表了，现在我们使用一个Z-scores的向量来计算一下相应的累积概率，如下所示： 以上就是标准正态分布的 累积分布函数(CDF,Cumulative Distribution Function) 曲线。 简单来说， qnorm 是正态分布 累积分布函数(CDF,Cumulative Distribution Function） 的反函数，也就是说它可以视为 pnorm 的反函数，这里的 q 指的是quantile，即分位数。 使用 qnorm 这个函数可以回答这个问题：正态分布中的第p个分位数的Z-score是多少？ 现在我们来计算一下，在正态分布分布中，第50百分位数的Z-score是多少，如下所示： 再来看一个案例：在正态分布中，第96个百分位的Z-score是多少，如下所示： 再来看一个案例：在正态分布中，第99个百分位的Z-score是多少，如下所示： 再来看一下 pnorm() 这个函数，如下所示： 从上面我们可以看到， pnorm 这个函数的功能是，我们知道某个Z-score是多少，它位于哪个分位数上。 接着我们进一步举例来说明一下 qnorm 和 pnorm 的具体功能，如下所示： 现在进行绘图，如下所示：rnomr() 函数的功能用于生成一组符合正态分布的随机数，在学习各种统计学方法时， rnorm 这个函数应该是最常用的，它的参数有 n , mean ， sd ，其中n表示生成的随机数，mean与sd分别表示正态分布的均值与标准差，现在举个例子，如下所示： 现在我们绘制一下上面的几个向量的直方图，看一下它们的均值是否在70附近，如下所示： 在R语言中，生成不同分布的各种类型的函数都是以d,p,q,r开头的，使用原理跟上面的正态分布都一样。sample() 函数是一个用于生成随机数的重要的核心函数，如果仅传递一个数值n给它，就会返回一个从1到n的自然数的排列，如果传递是 n:m 就是生成从n到m的随机数，如是是 7,5 ，则会生成5个小于7的随机数，如下所示： 从上面的结果可以看出来，这些数字都是不同的，也就是说，sample函数默认情况下是不重复抽样，每个值只出现一次，如果允许有重复抽样，需要添加参数 replace = TRUE ，如下所示： sample函数通常会从某些向量中随机挑一些参数，如下所示： 也可以挑日期，如下所示： 上述分布函数前面加上r，p、q、d就可以表示相应的目的：
