R（13）：第三章：3.2数据的分布

《统计建模与R软件》薛毅

第3章 数据描述性分析

3.2 数据的分布

总结：绘制图形语法，直方图hist()，密度估计函数density()，绘图需配合plot()绘图，例如：plot(density(w), col=“blue”)，茎叶图stem()，

3.2.2 直方图、经验分布图与QQ图

1. 直方图

直方图（histogram），将数据取值的范围分成若干区间（一般是等间隔的），在等间隔的情况下，每个区间长度称为组距。
R语言中，用函数hist()画出样本的直方图：
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=FLASE, nclass=NULL, …)
其中x是由样本构成的向量。breaks规定直方图的组距：
freq是逻辑变量，col表示直方图中填充的颜色。

2. 核密度估计函数

核密度估计（kernel density estimate）函数density()，其目的是用已知样本估计密度，具体函数为：
density(x, bw=“nrd0”, adjust=1, kernel=c(“gaussian”, “epanechnikov”, “rectangular”, “triangular”, “biweight”, “cosine”, “optcosine”), window=kenrnel, width, give.Rken=FALSE, n=512, from, to, cut=3, na.rm=FLASE)
> w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5, 66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
> hist(w, freq=FALSE)#纵轴显示密度