R语言系统教程（七）：数据的分布（含多种图的绘制）

数据的数字特征刻画了数据的主要特征，而要对数据的总体情况做全面的描述，就要研究数据的分布。

7.1 分布函数

在概率论中，大家已经学到了很多分布，也了解到了分布函数的定义，由于本篇不是概率论教程，因此这里不再赘述各种分布的定义。
R语言中提供了很多调用各种分布的函数，以正态分布为例：
主要有
dnorm(x, mean=0, sd=1, log = FALSE)
pnorm(q, mean=0, sd=1, lower.tail = TRUE, log.p = FALSE)
qnorm(p, mean=0, sd=1, lower.tail = TRUE, log.p = FALSE)
rnorm(n, mean=0, sd=1)
其中x，q是由数值型变量构成的向量，p是概率构成的向量，n是产生随机数的个数，mean是所计算正态分布的期望，默认为0，sd是所计算正态分布的标准差，默认为1，函数dnorm()的返回值是正态分布density函数，函数pnorm()返回的是其分布函数，qnorm()返回其quantile函数，rnorm()用来产生满足正态分布的随机数向量。
log和log.p是逻辑变量，为真时返回对数正态分布，lower.tail是逻辑变量，为真时按通常定义计算，为FALSE时，F按1-F计算。
另外，可以看到函数名是由前缀加分布名组成的，其他分布函数也有类似结果，详情见下图：

其几个前缀的意义如下：

• d：概率密度函数 $f(x)$
• p：分布函数 $F(x)$
• q：分位数函数 $F^{-1}(x)$
• r：产生随机数

7.2 直方图、经验分布图与QQ图

7.2.1 直方图

R中用hist()函数绘制直方图，格式为
hist(x)

> data = rnorm(50)
> hist(data)

或者如果需要调整一些参数
hist(x, breaks = “Sturges”, freq = NULL, probability = !freq,
include.lowest = TRUE, right = TRUE,
density = NULL, angle = 45, col = NULL, border = NULL,
main = paste(“Histogram of” , xname),
xlim = range(breaks), ylim = NULL,
xlab = xname, ylab,
axes = TRUE, plot = TRUE, labels = FALSE,
nclass = NULL, …)
其中x是由样本构成的向量；
参数breaks规定直方图的组距，由以下几种形式给出（参考资料中对此部分参数的说明有所偏差，可能是版本更新的原因）：

1. 向量，直接给出各个breakpoints

> hist(data, breaks = seq(-5,5,0.2))

注意：区间应包含所有数据，不然会报错

2. 数，给出区间的个数

> hist(data, breaks = 15)

3. 字符串，给出产生区间的方法，细节见官方文档

参数freq为逻辑变量；为TRUE时绘制频数直方图，为FALSE绘制频率密度直方图(区域面积之和为1)

> hist(data, freq = TRUE)

> hist(data, freq = FALSE)

参数probability也是逻辑变量，含义与freq正相反。
参数col表示直方图中填充的颜色，参数plot是逻辑变量，TRUE表示给出直方图，FALSE表示只给出绘制直方图的各种结果，而不绘图，其他参数见官方文档

7.2.2 核密度估计函数

与直方图配套的是核密度估计函数(原理见非参估计)，其目的是用已知样本估计其密度，函数声明如下：
density(x, bw = “nrd0”, adjust = 1,
kernel = c(“gaussian”, “epanechnikov”, “rectangular”,
“triangular”, “biweight”, “cosine”, “optcosine”),
window = kernel, width,
give.Rkern = FALSE,
n = 512, from, to, cut = 3, na.rm = FALSE)
其中x是由样本组成的向量，bw为选择带宽的方法，bw默认得到光滑的曲线。
注意：作者测试时density()不起作用，原因未知，实际使用的是density.default()函数

> w <-