R语言基础.ppt

统计软件和R语言 内容提要 1. 统计软件种类 SPSS SAS R软件： 为什么用R 3．相关研究方向 1.3 R里面有什么？ 2. R快速入门 2.2 产生向量 向量的运算 2.3 多维数组或矩阵 矩阵下标 矩阵的运算 矩阵的运算 练习： 2.4 R程序控制流 2.4 R程序控制流 练习1：  3. R统计分析和图形 一些常用的数学和统计函数 最大值max(), 最小值min(), 均值mean(), 标准差sd(), 方差var(), 相关系数cor(), 求和sum(), 积prod(), 中位数 median(), 分位数quantile(), 累加cumsum(), 秩rank()… 统计分布的函数: pnorm(), dnorm(), qnorm(),rnorm() … (p, d, q, r+分布名称分别构成：分布函数值、密度函数 值、分位数、随机数，如pf()表示F分布函数值，runif()表 示产生均匀分布的随机数) 多用帮助！ ？mean mean(x, trim = 0, na.rm = FALSE, ...) trim: the fraction (0 to 0.5) of observations to be trimmed from each end of x before the mean is computed. x = runif(100); y = 0.2*x + 0.1*rnorm(100) fit = lm(y ~ x) summary(fit) Call: lm(formula = y ~ x) Residuals: Min 1Q Median 3Q Max -0.222887 -0.054245 -0.008861 0.060522 0.262948 3.1 例子：linear regression Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) -0.006232 0.020035 -0.311 0.756 x 0.212069 0.036036 5.885 5.56e-08 *** --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 Residual standard error: 0.09378 on 98 degrees of freedom Multiple R-Squared: 0.2611, Adjusted R-squared: 0.2536 F-statistic: 34.63 on 1 and 98 DF, p-value: 5.565e-08 plot(x, y); abline(fit) y.res-resid(fit) ; y.fit-predict(fit) plot(y.res~y.fit) qqnorm(y.res) fit = lm(y ~ x + I(x^2)) # 高次的回归，注意I() summary(fit) Call: lm(formula = y ~ x + I(x^2)) Residuals: Min 1Q Median 3Q Max -0.8841 -0.7138 -0.1118 0.7174 1.1166 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) -0.11633 0.02707 -4.298 1.81e-05 *** x -0.02557 0.02311 -1.106 0.26867 I(x^2) 0.13428 0.04528 2.966 0.00306 ** Residual standard error: 0.7169 on 1997 degrees of freedom Multiple R-Squared: 0.00502, Adjusted R-squared: 0.004024 F-statistic: 5.038 on 2 an