R語言系列----數據描述

 

簡單來說，R語言是一種主要用於統計分析、繪圖的語言和操作環境。的源代碼可自由下載使用，亦有已編譯的執行檔版本可以下載，可在多種平台下運行，包括UNIX（也包括FreeBSD和Linux）、Windows和MacOS。R主要是以命令行操作，同時有人開發了幾種圖形用戶界面。

       為什么我會使用R語言呢？畢竟我們還有SPSS,SAS，S等其他工具。就我個人而言(其實對很多人也是這樣)有兩個原因----R的開源與其極高的自由度。

       R是開源的，是屬於GNU系統的一個自由、免費、源代碼開放的軟件因此在使用它時我們不用擔心使用的資格問題。（當然對人一般人來說其他軟件也可以使用盜版…起碼國內是這樣）另外作為一種語言，R擁有極高的自由度----對於，很多新的統計學模型，也許SPSS等軟件根本無法處理---你只能使用系統提供的有限選項。但是在R語言中，你可以自己去實現它。這也是學術界對R如此關注的原因。

       敲了這么多廢話，進入正題。

       這一篇的內容是數據描述，就沖R中內嵌的一些簡單分布開始吧。

R語言中提供了四類有關統計分布的函數（密度函數，累計分布函數，分位函數，隨機數函數）。分別在代表該分布的R函數前加上相應前綴獲得(d，p，q，r)。如正態分布的函數是norm，命令dnorm(0)就可以獲得正態分布的密度函數在0處的值(0.3989)(默認為標准正態分布)。同理pnorm(0)是0.5就是正態分布的累計密度函數在0處的值。而qnorm(0.5)則得到的是0，即標准正態分布在0.5處的分位數是0（在來個比較常用的：qnorm(0.975)就是那個估計中經常用到的1.96了）。最后一個rnorm(n)則是按正態分布隨機產生n個數據。上面正態分布的參數平均值和方差都是默認的0和１，你可以通過在函數里顯示指定這些參數對其進行更改。如dnorm(0,1,2)則得出的是均值為1，標准差為2的正態分布在0處的概率值。要注意的是()內的順序不能顛倒。

       接下來我們用R來生成一個二項分布分布的圖形吧。

       binom是二項分布。

n<-20

p<-0.2

k<-seq(0,n)

plot(k,dbinom(k,n,p))

       R語言中用<-給變量賦值，我們先讓n=20，p=0.2然后用函數seq生成一個向量(1,2,3...20)並將其賦於k。然后用polt函數畫圖。

       在這里，我們用dbinom(k,n,p)生成了參數為n，p的二項分布在1….20處的概率值，然后以k的各個值為橫坐標，dbinom(k,n,p)的各個值為縱坐標，繪圖。

然后我們來看一些R對數據性質的描述。

繪制直方圖：hist(x),橫軸表示變量取值，縱軸表示頻率。

       如x<-c(1,2,3,4,5)

　hist(x)

       (R語言中的向量前要求加c進行說明，故第一步是讓x為一個值為(1,2,3,4,5)的向量，當然也可以看成一個值為1,2,3,4,5的樣本)

       我們來畫二項分布的直方圖吧

       N<-10000

n<-100

p<-0.9

x<-rbinom(x,n,p)

hist(x)

       思考一下,上面的代碼是怎樣運作的?

 

繪制莖葉圖： stem(x)

如：x<-c(11,12,13,21,22,23)

stem(x)

結果如下：

The decimal point is 1 digit(s) to the right of the |

 

  1 | 123

  1 |

2 | 123

 

另外還有

盒圖：boxplot(x)

 

在各種圖形之后，就是對數據的數值型描述了，包括

最大值max(x)，最小值min(x),中位數median(x)，五個分位數fivenum(x)，平均數mean(x),樣本方差var(x)，樣本標准差sd(x)，樣本偏度系數skewness(x)，峰度系數kurtosis(x)等等。

如：N<-10000

n<-100

p<-0.9

x<-rbinom(x,n,p)

       max(x)

min(x)

median(x)

fivenum(x)

mean(x)

var(x)

sd(x)

library(fBasics)

skewness(x)

kurtosis(x)

就可以得到生成的隨機數據的各種描述。

注意：skewness函數和kurtosis函數屬於一個並非默認的fBasics的包，所以需要先用library(fBasics)引入該包才能使用這兩個函數。

 

基本的就是這些了，當然還可以更加復雜，比如多組數據的圖形與數值描述等等。即使是我們在上面使用的函數其實也是非常強大的，只是我們在上面使用了很多的默認的參數而簡化了它們的調用而以。