R语言-统计学 描述性统计

描述定量数据的数值方法：中心趋势度量   变异的度量   相对位置的度量。

1.中心趋势度量 ： 算数平均 中位数   众数

         demo <- mtcars[1:6,] # 调用R自带函数集，并去前6行
         toushi <- aggregate(mtcars[,5:6] ,by = list(cyl = mtcars$cyl),sum) # 数据透视表求和
         toushi <- as.matrix(toushi)  # 将结果的数据框转化成矩阵
         #(toushi <- apply(toushi,c(1,2),sum))
         (rowSums(toushi))  # 行求和
         (colSums(toushi))  # 列求和
         toushi <- rbind(toushi,rowSums(toushi))  #将行求和结果并入最后一行
         toushi <- cbind(toushi,colSums(toushi))  #将列求和结果并入最后一列
  1.2 中位数和众数 
        对于偏度极大的数据集，中位数能更好的描述数据分布的中心。
       很少用众数作为数据数据趋势的度量，只有当对y出现的相对频率感兴趣时，才会考虑到众数。
       R实现中位数  ： 
        median(x, na.rm = FALSE)
       R中没有直接插找众数的命令
       which.max(table(x))
2.变异的度量 ： 极差  方差  标准差
    2.1 .极差 = max（）- min（）
    2.2  方差和标准差
       对一个有n个测量值的有限总体来说，方差计算公式的分母为n。关于样本方差和总体方差分母的差异原因，可自行百度搜索。
       R语言计算方差的函数： var(x,)
       w<-c(75.0,64.0,47.4,66.9,62.2,62.2,58.7,63,5,66.6,64.0,57.0,69.0,56.9,50.0,72.0)
       var(w)
       # 附加指数点：标准差的两个有用法则：经验法则 和 切比雪夫法则，共同说明一个问题，对于任意大于1的正数k，至少有（1-1/k^2）的测试值落在平均值的k个标准值范围内。
3.变异的度量 ： 百分位数  Z得分
 3.1 .最常见的四分位数（一般从大到小）
      quantile(x, probs = seq(0, 1, 0.25), na.rm = FALSE,names = TRUE, type = 7, ...)