概率基础和R语言

R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。

R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。

要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。

关于作者：

• 张丹(Conan), 程序员Java,R,PHP,Javascript
• weibo：@Conan_Z
• blog: http://blog.fens.me
• email: bsspirit@gmail.com

转载请注明出处：
http://blog.fens.me/r-probability/

前方

R语言是统计语言，概率又是统计的基础，所以可以想到，R语言必然要从底层API上提供完整、方便、易用的概率计算的函数。让R语言帮我们学好概率的基础课。

目录

1. 随机变量
2. 随机变量的数字特征
3. 极限定理

1. 随机变量

• 什么是随机变量？
• 离散型随机变量
• 连续型随机变量

1). 什么是随机变量？

随机变量（random variable）表示随机现象各种结果的实值函数。随机变量是定义在样本空间S上，取值在实数载上的函数，由于它的自变量是随机试验的结果，而随机实验结果的出现具有随机性，因此，随机变量的取值具有一定的随机性。

R程序：生成一个在(0,1,2,3,4,5)的随机变量

> S sample(S,1)
[1] 2
> sample(S,1)
[1] 3
> sample(S,1)
[1] 5

2). 离散型随机变量

如果随机变量X的全部可能的取值只有有限多个或可列无穷多个，则称X为离散型随机变量。

R程序：生成样本空间为(1,2,3)的随机变量X，X的取值是有限的

> S X

3). 连续型随机变量

随机变量X，取值可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量

R程序：生成样本在空间(0,1)的连续随机函数，取10个值

> runif(10,0,1)
 [1] 0.3819569 0.7609549 0.6692581 0.6314708 0.5552201 0.8225527 0.7633086 0.4667188 0.1883553
[10] 0.3741653

2. 随机变量的数字特征

• 数学期望
• 方差
• 标准差
• 各种分步的期望和方差
• 常用统计量(最大,最小,中位数,四分位数)
• 协方差
• 相关系数
• 矩(原点矩,中心矩,偏度,峰度)
• 协方差矩阵

1). 数学期望(mathematical expectation)

离散型随机变量：的一切可能的取值xi与对应的概率Pi(=xi)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。

R程序：计算样本(1,2,3,7,21)的数学期望

> S mean(S)
[1] 6.8

连续型随机变量：若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分，则称X为连续性随机变量，f(x)称为X的概率密度函数，积分值