课件：利用多发病例家族之单倍体资料进行遗传相关性研究.ppt

特殊的函數用法 參數「…」：將自訂函數裡面用到的其他function需要的參數傳入 常用函數 統計相關函數 sum(x) 向量x所有元素的總和 prod(x) 向量x所有元素相乘 max(x) 向量x所有元素最大的元素值 min(x) 向量x所有元素最小的元素值 range(x) 傳回x的全距 length(x) 計算向量x的元素個數 mean(x) 計算x所有元素的平均數 median(x) 計算x所有元素的中位數 var(x), cov(x) 計算x所有元素的樣本變異數 cor(x) 當x為data frame時，傳回x的相關矩陣 var(x, y) 與 cov(x,y) 計算x與y的共變異數(covariance)矩陣 cor(x,y) 計算x與y的相關係數或相關係數矩陣 常用函數 統計相關函數 rev(x) 將x所有元素反向呈現（未排序） sort(x) 將x內的元素從小到大排序 rev(sort(x)) 將x內的元素從大到小排序 rank(x) 傳回x中各元素的排序順序值 choose(n,k) 計算二項式組合數 n!/[(n-k)!k!] factorial(x) 階乘函數，相當於prod(1:x) 常用工具函數 處理NA (missing data)的函數 na.fail(x)：若x包含missing values則傳回錯誤訊息，否則傳回x。 na.pass(x)：保留x的NA值。 na.omit(x)與na.exclude(x)：去除NA元素。 最大概似估計量(MLE) MLE: 利用package(stats4) 中的mle函數 Usage: mle(minuslogl, start, method) minuslogl：計算 -1*log-likelihood 的自訂函數名稱 start：儲存參數起始值的list變數 method：預設為BFGS或可改為L-BFGS-B, CG, Nelder-Mead, SaNN 最大概似估計量(MLE) 練習 請用迴圈寫出Normal查表值表格之程式(x=0.0, 0.01, …,3.0) 練習 不用迴圈寫出Normal查表值表格之程式(x=0.0, 0.01, …,3.0) 練習 列出自由度從1～20的t分配之查表表格 * s1=seq(0,3,0.1) s2=seq(0,0.09,0.01) x=matrix(0, length(s1),length(s2)) for(i in 1:length(s1)) { for(j in 1:length(s2)) { q1=s1[i] q2=s2[j] q=q1+q2 x[i,j]=round(pnorm(q),4) } } colnames(x)=paste(0.0,0:9, sep=) rownames(x)=format(seq(0.0,3.0,0.1))#format讓1顯示成1.0 x s1=seq(0,3,0.1) s2=seq(0,0.09,0.01) myfun=function(q1,q2) { round(pnorm(q1+q2),4) } m=outer(s1,s2,myfun) colnames(m)=paste(0.0,0:9, sep=) rownames(m)=format(seq(0.0,3.0,0.1))#format讓1顯示成1.0 m df=1:20 p=c(0.10,0.05,0.025,0.01) myfunction=function(df, p) { round(qt(p, df, lower.tail=F),4) } m=outer(df, p, myfunction) colnames(m)=format(p) rownames(m)=format(1:20) m 條件與迴圈等程式技巧 Data Frames Data frames: it is a rectangular table with rows and columns; data within each column has the same type (e.g. number, text, logical), but different columns may have different types. 資料篩選 資料轉換（變更coding） 將資料按照性別分成兩群，令新變數為sex_c 男生（原始資料記為1）： sex_c=“male” 女生（原始資料記為0）： sex_c=“female” 將資料按照年紀分成四群，另外令一個變數為agegroup 第一群：40歲以下，則agegroup=1 第二群：40～49歲，則agegroup=2 第三群：50～59