R语言学习笔记6

最新推荐文章于 2022-08-12 16:33:41 发布

cons-bio

最新推荐文章于 2022-08-12 16:33:41 发布

阅读量1k

点赞数 1

分类专栏： R语言

本文链接：https://blog.csdn.net/nide_wo/article/details/102642472

版权

13 初级统计学描述原始数据数值型变量数字型变量是将观测值以数值形式存储的变量连续型变量可以在某个区间取任何值，任何位数离散型变量只能取离散型数据----在取值范围里，取得是有限个数分类变量两类：名义变量不能按照逻辑顺序排列的分类变量有序变量可以排序的分类变量> chickwts[1:5,] weight feed1 179 hors...

摘要由CSDN通过智能技术生成

13 初级统计学

描述原始数据

数值型变量

数字型变量是将观测值以数值形式存储的变量
连续型变量可以在某个区间取任何值，任何位数
离散型变量只能取离散型数据----在取值范围里，取得是有限个数

分类变量

两类：
名义变量 不能按照逻辑顺序排列的分类变量
有序变量 可以排序的分类变量

> chickwts[1:5,]  
  weight      feed
1    179 horsebean
2    160 horsebean
3    136 horsebean
4    227 horsebean
5    217 horsebean

>chickwts$weight #打开后可以知道weight为连续型数值能量
>chickwts$feed   #feed为分类变量，且为有义变量

单变量和多变量数据

单变量数据 一维数据
多变量数据 多维数据

> quakes[1:5,]  #datasets数据包中的  多维数据
     lat   long depth mag stations
1 -20.42 181.62   562 4.8       41
2 -20.62 181.03   650 4.2       15
3 -26.00 184.10    42 5.4       43
4 -17.97 181.66   626 4.1       19
5 -20.42 181.96   649 4.0       11
>plot(quakes$long,quakes$lat,xlab="Longitude",ylab="Latitude")

在这里插入图片描述

参数和统计量

参数总体特征
统计量 用样本数据估计感兴趣的参数–估计量就为统计量

区分确定特征数描述的是我们可以用来获得数据样本还是总体

统计概要

集中趋势

均值
众数
中位数

> xdata <- c(2,4.4,3,3,2,2.2,2,4)
> x.bar <- mean(xdata) #均值
> x.bar
[1] 2.825
> m.bar <- median(xdata) #中位数
> m.bar
[1] 2.6
> xtab <- table(xdata)  #table函数可以给出观测值的频数
> xtab
xdata
  2 2.2   3   4 4.4 
  3   1   2   1   1 
  > range(xdata) #返回极端值、长度为2的向量
[1] 2.0 4.4
> max(xtab) #将输出最大频数
[1] 3
#使用逻辑标记向量获得众数
> d.bar <- xtab[xtab==max(xtab)]
> d.bar   #2为观测值 3为频数
2 
3

如果存在未定义的变量(NA/NAN)，将无法获得统计量

> mean(c(1,4,NA))
[1] NA
> mean(c(1,4,NaN))
[1] NaN
> mean(c(1,4,NA),na.rm=TRUE) #可以在运行函数时，强制函数只作用数值型数据
[1] 2.5
> mean(c(1,4,NaN),na.rm=TRUE)
[1] 2.5

可以根据分类变量分组，使用tapply得到要求的统计量

> mean(chickwts$weight[chickwts$feed=="casein"])
[1] 323.5833
> mean(chickwts$weight[chickwts$feed=="horsebean"])
[1] 160.2
> mean(chickwts$weight[chickwts$feed=="linseed"])
[1] 218.75
> mean(chickwts$weight[chickwts$feed=="meatmeal"])
[1] 276.9091
> mean(chickwts$weight[chickwts$feed=="soybean"])
[1] 246.4286
> mean(chickwts$weight[chickwts$feed=="sunflower"])
[1] 328.9167
> tapply(chickwts$weight,INDEX=chickwts$feed,FUN=mean)  #与上面等价， 其中INDEX为分组变量
   casein horsebean   linseed  meatmeal   soybean sunflower 
 323.5833  160.2000  218.7500  276.9091  246.4286  328.9167

计数、百分比和比例

比例每类观测值所占的比重

> table(chickwts$feed) #可用于计数

   casein horsebean   linseed  meatmeal   soybean sunflower 
       12        10        12        11        14        12 
       > table(chickwts$feed)/nrow(chickwts) 

   casein horsebean   linseed  meatmeal   soybean sunflower 
0.1690141 0.1408451 0.1690141 0.1549296 0.1971831 0.1690141
> sum(chickwts$feed=="soybean")/nrow(chickwts)  #得到所占比例
[1] 0.1971831
> mean(chickwts$feed=="soybean")
[1] 0.1971831
#计算组合比例，可以使用逻辑运算符
> mean(chickwts$feed=="soybean"|chickwts$feed=="horsebean")
[1] 0.3380282
> tapply(chickwts$weight,INDEX=chickwts$feed,FUN=function(x) length(x)/nrow(chickwts))   
   casein horsebean   linseed  meatm
   eal   soybean sunflower 
0.1690141 0.1408451 0.1690141 0.1549296 0.1971831 0.1690141

round函数将输出的数值型数据四舍五入到一定小数位数

> round(table(chickwts$feed)/nrow(chickwts),digits=3)  #digit设置小数位数

   casein horsebean   linseed  meatmeal   soybean sunflower 
    0.169     0.141     0.169     0.155     0.197     0.169

百分比就是比例*100

> round(mean(chickwts$feed=="soybean")*100,1)
[1] 19.7

分位数概括法

四分位数 从一组数值测量结果得到的数值，表明与其他所有观测值相比较，该观测值的顺序如中位数就是一个四分位数，这就是0.5四分位数
0.25分位数 下四分位数或第一个四分位数
0.75分位数 上四分位数或第3个四分位数
p分位数就是100×p百分位数 如中位数就是第50个百分位数

> xdata <- c(2,4.4,3,3,2,2.2,2,4) 
> quantile(xdata,prob=0.8) #quantile函数可以得到百分位数和分位数
80% 
3.6 
> quantile(xdata,prob=c(0,0.25,0.5,0.75,1)) #第一个参数为数字向量，将数值赋给后面的参数prob，prob可以取一个分位数的数值向量，计算多个分位数
  0%  25%  50%  75% 100%   #得到的是xdata的五分位数
2.00 2.00 2.60 3.25 4.40      #0%（最小值） 50%（中位值）100%（最大值）

> summary(xdata)  #得到上面五个数
 #这个函数会处理数字向量，输出统计量，同时输出均值
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.   #1st Qu.表示第一个四分位数 
  2.000   2.000   2.600   2.825   3.250   4.400     #3rd Qu.表示第三个四分位数

离散程度

> xdata <- c(2,4.4,3,3,2,2.2,2,4)
> ydata <- c(1,4.4,1,3,2,2.2,2,7)
> mean(xdata)
[1] 2.825
> mean(ydata)
[1] 2.825
> plot(xdata,type="n",xlab="",ylab="data vector",yaxt="n",bty="n") 
#yaxt=“n”表示不绘制y轴，bty=“n”表示不绘制图形边框
> abline(h=c(3,3.5),lty=2,col="gray")
> abline(v=2.825,lwd=2,lty=3)
> text(c(0.8,0.8),c(3,3.5),labels=c("x","y"))
> points(jitter(c(xdata,ydata)),c(rep(3,length(xdata)),rep(3.5,length(ydata))))
#jitter可以实现数据抖动，向数值向量添加噪声

在这里插入图片描述

抖动可以随机改变观测值，以防止重复作图，有利于视觉上解释

方差测度观测值在算术平均值周围的离散程度
标准差 解释原始观测值的规模，方差的平方根，方差表示平均距离的平方
四分位差 以测度中间50%数据的宽度，也就是中位数两侧0.25分位数之间的距离，就是数据的上四分位数和下四分位数之间的距离

R中计算方差、标准差和IQR的函数分别为var、sd和IQR

> var(xdata)
[1] 0.9078571
> sd(xdata)
[1] 0.9528154
> IQR(xdata)
[1] 1.25
#检验结果
> sqrt(var(xdata))
[1] 0.9528154
> as.numeric(quantile(xdata,0.75)-quantile(xdata,0.25)) #函数是为了消除quantile中的百分位数的注释
[1] 1.25

协方差和相关系数

协方差 表示两个数值变量在什么程度上“一起变化”，两者是正相关关系还是负相关关系
假设n个观测值，两个变量取值：
$x={x_1，x_2，x_3，...}，y={y_1，y_2，y_3，...} ,i=1,...,n$

最低0.47元/天解锁文章

cons-bio

关注

1
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
R语言学习笔记6

13 初级统计学描述原始数据数值型变量数字型变量是将观测值以数值形式存储的变量连续型变量可以在某个区间取任何值，任何位数离散型变量只能取离散型数据----在取值范围里，取得是有限个数分类变量两类：名义变量不能按照逻辑顺序排列的分类变量有序变量可以排序的分类变量> chickwts[1:5,] weight feed1 179 hors...
复制链接

扫一扫

专栏目录