资源描述：
《基础统计与R作图》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、一、数值变量的统计描述在R中没有一个直接的统计描述命令，可以把常见的指标都一起算出来。如概述中所说，R往往是提供一些比较基础的统计命令，需要使用者自己编程组合。 1、算术均数：mean(x)例如：c(12,13,14)->xmean(x) 将输出x的均数13。 2、中位数：median(x) 3、几何均数：我没有找到计算几何均数的命令，但可以通过对数函数来算几何均数。例如：log(x,10)->y ――――――――――将x取自然对数mean(y)->z ――――――――――计算y的算术平均数10^z ――――――――――将z取反对数，即得x的几何平均数 4、极
2、差：max(x)-min(x) 5、样本方差：var(x) 6、样本标准差：sd(x)请注意都是“样本”。 7、变异系数：(sd(x)/mean(x))*100 通过以上命令和程序，可以求出想要的描述指标。 二、分类变量的统计描述1、table(x) 该命令可以输出变量中各个值的绝对频数。 2、table(x/sum(x)) 可输出相对数的频数。这个方法一般，还要把频数*百分比，不过我没有找到更好的方法。 3、table(x,y) 可输出绝对频数的交叉表 分类资料的描述，我还没有找到较好的命令。如有人知道，请指教。三、正态性检验可采用Shapiro-Wilk检验。程序
3、如下：library(ctest)――――――先加载ctest模块，许多检验方法都在此模块中。shapiro.test(x)―――――－可对x进行正态性检验。 四、方差齐性检验程序如下：var.test(x,y)――――――可对x和y进行方差齐性检验。 五、统计图制作R是统计制图的高手。1、直方图：hist例如：rnorm(1000)->gg――――――――――――产生样本量为1000的正态样本hist(gg)――――――――――――――――制图 结果如下： 2、饼图：pie例如：c(1,2,2,5)->x――――――――――――――――――赋值y<-x/sum(x)――――――
4、――――――――――――计算x的构成比names(y)<-c(“tom”,”bill”,”reed”,”jane”)―――――――给每一个赋名pie(y,col=c(“green”,”red”,”brown”,”white”))―――――制图，col为取色结果如下： 3、散点图：plot例如：c(1,6,5,8,3,2,1,6,5,4,8,5,4,7)->xc(6,5,4,8,7,4,6,5,8,4,7,1,4,5)->yplot(x,y) 结果如下： 4、箱式图：boxplot例如：rnorm(10)->xboxplot(x)结果如下： R的制图功能非常强大，是R的亮点
5、之一。一、变量数据直接输入1、数值变量如果有一个变量，变量名为x，其数据如下：12，15，46，23，15。命令语句如下：x<-c(12,15,46,23,15) 或 c(12,15,46,23,15)->x其中：x为变量名；<-与->为赋值符；c()为向量建立函数，表示把括号中的数据建立为一个向量。以上命令语句建立了一个数值变量x。 2、字符变量字符变量的建立与数值变量一致。字符串使用引号（单、双均可），如：y<-c(“er”,”sdf”,”eir”,”jk”,”dim”) 或 c(“er”,”sdf”,”eir”,”jk”,”dim”)->y将建立字符变量y。 3、逻辑变量逻辑变量
6、中的元素是：TRUE(或简写为T)、FALSE(F)、NA(表示缺省)。请注意必须都是大写。逻辑变量可以直接输入，如：z<-c(TRUE,FALSE,F,T,NA)可建立逻辑变量z。 1可以表示T，0可以表示F。所以可以直接写成：z<-c(1，0，0，1,NA)在计算时，T和F也是当作1和0来用的。 二、建立数据集在上面，我们建立起了三个变量：x，y，z。如果要建立起一个三变量的数据集，即含有x、y、z的二维表，则可使用data.frame()函数。当然，在这种情况下，要求变量的长度是一样的。dd<-data.frame(x,y,z)便可建立数据集dd。 edit(dd)可调用R中的数据编辑
7、器显示、编辑数据集dd。如图2-1。 如果eidt()编辑的是一维的向量，如：edit(x)，那么它便会调用记事本来编辑，而不会调用数据编辑器。如图2-2。图2-1 图2-2 三、从其他文件中读取数据在应用统计学中，数据量一般是比较大的，变量也很多。如果用上述方法来建立数据集，好像辛苦了一些。上述方法适用于少量数据、少量变量的分析。对于大量数据和变量，一般应在其他软件中输好，再读R中处理。 1、读入输好的纯文
