【笔记】常用统计量及R语言展现

1. 众数(Mode)

一组数据中出现次数最多的数值

R：计算样本(5,6,6,6,7,7,8)的众数

sample_data=c(5,6,6,6,7,7,8)

freqdata=table(sample_data)

freqdata

sample_data

5 6 7 8 -----------原始数据的值

1 3 2 1 -----------频数

mode_data_loc=which.max(freqdata)

mode_data_loc

6 -----------原始数据的值

2 -----------原始数据的位置

mode_data=names(mode_data_loc)

mode_data

[1] “6”

好像R中没有直接求众数的函数可以用，需要先求各个数值出现的频数（用table()），然后找最大频数对应位置的数值(names(which.max()))，就是众数。

对于Python或者R，which()返回的一般都是位置

2. 最小和最大值

#求最小值

sample_data=c(1,2,1,0,3,4,8)

which.min(sample_data)

[1] 4 ----------最小值的位置

min(sample_data)

[1] 0
----------最小值

#求最大值

which.max(sample_data)

[1] 7 ----------最大值的位置

max(sample_data)

[1] 8 ----------最大值

3. 中位数和平均值

中位数（Medians）:是指将统计总体中的各个变量按大小顺序排列起来，形成一个数列，处于变量数列中间位置的变量值就称为中位数。

sort(sample_data)

[1] 0 1 1 2 3 4 8

median(sample_data)

[1] 2

平均值（Mean）

mean(sample_data)

[1] 2.714286

#对于平均工资来说，中位数比平均值有意义。而股票中的“市盈动”可能会用到平均值。

4. 平均值和数学期望

离散型随机变量的一切可能的取值Xi与对应的概率Pi之积的和称为该离散型随机变量的数学期望，记为E(X)。数学期望是最基本的数学特征之一。它反映随机变量平均取值的大小。

简单来讲，变量所有可能取值结果的平均值，就是数学期望。

这里的平均是指以概率为权的加权平均

5. 四分位数（Quantile）

四分位数（Quantile）：用于描述任何类型的数据，尤其是偏态数据的离散程度，即将全部数据从小到大排列，正好排列在上1/4位置上叫四分位数，下1/4位置上的数就叫做下四分位数。

sort(sample_data)

[1] 0 1 1 2 3 4 8

quantile(sample_data)

0% 25% 50% 75% 100%

0.0 1.0 2.0 3.5 8.0

6. 求和

x=c(1,2,3,NA,4,5)

y=sum(x)

y

[1] NA

如果向量中有NA，则直接sum就是NA；需要移除NA后sum，用sum()函数中的na.rm参数，或者用na.omit()。

#na.rm=TRUE

y=sum(x,na.rm = TRUE)

y

[1] 15

#na.omit()

y=sum(na.omit(x))

y

[1] 15

7. Summary汇总信息

sample_data

[1] 1 2 1 0 3 4 8

summary(sample_data)

Min. 1st Qu. Median Mean 3rd Qu. Max.

0.000 1.000 2.000 2.714 3.500 8.000

想尝试用summary处理多组向量，于是加了一个sample_data2，直接添加到summary()函数中，结果不变，依旧只是sample_data的汇总信息。

sample_data2=c(4,6,3,4,8,1,3)

summary(sample_data, sample_data2)

Min. 1st Qu. Median Mean 3rd Qu. Max.

0.000 1.000 2.000 2.714 3.500 8.000

但是如果将两个向量合并成一个矩阵（Matrix），就可以同时输出两列的summary信息了，当然，也可以指定某一列的信息。

mt=cbind(sample_data,sample_data2)

mt

sample_data sample_data2

[1,] 1 4

[2,] 2 6

[3,] 1 3

[4,] 0 4

[5,] 3 8

[6,] 4 1

[7,] 8 3

summary(mt)

sample_data sample_data2
Min. :0.000 Min. :1.000
1st Qu.:1.000 1st Qu.:3.000
Median :2.000 Median :4.000
Mean :2.714 Mean :4.143
3rd Qu.:3.500 3rd Qu.:5.000
Max. :8.000 Max. :8.000

8. 方差Variance

方差用来度量随机变量和均值之间的偏离程度。

方差是各个数据与平均数之差的平方的平均（以概率为权的加权平均）

比如1，2，3，4，5这五个数的平均值是3

方差=((1-3)²+(2-3)²+(3-3)²+(4-3)²+(5-3)²) * 1/5 =2

R语言求方差：

var(c(1,2,3,4,5))

[1] 2.5 -------------<>2

几乎所有统计软件计算方差都会扣除一个自由度

#方差=((1-3)²+(2-3)²+(3-3)²+(4-3)²+(5-3)²) * 1/4 =2.5

9. 标准差Standard Deviation

标准差是方差的算术平方根sqrt(var(X))。标准差能反映一个数据集的离散程度。

对于样本数据，R语言用“-1”的方法（扣除一个自由度）

R语言命令：

sd(c(1,2,3,4,5))

[1] 1.581139

#验证

sd(c(1,2,3,4,5))

[1] 1.581139