R极简教程-9：描述性统计分析

最新推荐文章于 2024-05-20 00:00:00 发布

Joshua_HIT

最新推荐文章于 2024-05-20 00:00:00 发布

阅读量1w

点赞数 13

分类专栏： R语言文章标签：数据分析 R语言

本文链接：https://blog.csdn.net/joshua_hit/article/details/73741688

版权

本文介绍了R语言进行描述性统计分析的基础知识，包括集中趋势的统计量（均值、中位数、众数、百分位数），离散程度的度量（标准差、方差、极差、变异系数）和分布情况（偏度、峰度）。通过实际例子展示了如何使用R进行分组统计和绘制数据分布图，强调了描述性统计分析在数据分析中的重要性。

摘要由CSDN通过智能技术生成

描述性统计是最基础但同时也是最重要的数据分析之一，这一步做不好，之后的高端复杂模型根本不用考虑的——连数据统计分布都分析不对，之后的复杂模型肯定是错的。主要再这里介绍下面一些东西：

描述性统计分析
离散程度的度量
分组进行描述性统计分析
查看分布

描述性统计分析

在做数据分析时，一般先会对数据进行描述性统计分析，以便于描述该数据的各种特征及其所代表的总体的特征。描述性统计分析包括对数据的集中趋势、离散程度以及分布进行分析。

集中趋势统计量: 均值（Mean)、中位数(Median)、众数(Mode)、百分位数
离散趋势统计量：标准差（sd)、方差（var)、极差（range)、变异系数(CV)、标准误、样本校正平方和（CSS）、样本未校正平方和（USS）
分布情况统计量：偏度、峰度

其中代码都非常简单，mean函数计算均值，median函数计算中位数，table计算不同数据出现的频率。

> A <- sample(1:10,20,replace = T)
> mean(A)
[1] 5.8
> median(A)
[1] 6.5
> table(A)
A
 1  2  3  4  6  7  8  9 10 
 1  3  4  1  1  2  2  3  3 
>

我们可以看出，在我随机出来的一批数据中(sample函数用于抽样，从1到10中抽取20次，replace=T的意思是有放回抽取，也就是一个数字可能会出现不止一次)，均值是5.8，中位数是6.5，所有数据中，3这个数据出现了4次。

分布情况统计是很重要的两个指标，具体来说就是，偏度（skew）可以告诉你，这批数据有没有做左偏还是右偏了，峰度（kurtosis）可已告诉你这批数据是尖尖山峰的还是矮矮的山包。

偏度示意图：
这里写图片描述

峰度示意图：
这里写图片描述

其实偏度和峰度的计算公式都很简单，不过我们可以使用moments包来计算偏度和峰度：

> library(moments)
> skewness(A)
[1] -0.03798323
> kurtosis(A)
[1] 1.39469
>

离散程度的度量：

离散系数又称变异系数，是统计学当中的常用统计指标，主要用于比较不同水平的变量数列的离散程度及平均数的代表性。离散系数指标有：全距（极差）系数、平均差系数、方差系数和标准差系数等。常用的是标准差系数，用CV(Coefficient of Variance)表示。CV(Coefficient of Variance):标准差与均值的比率。
用公式表示为：