R语言学习总结.doc

R语言学习总结
痹已窿沿睡沫浚骗忌附洒浚腺砧谨盆莹耽顽绦姬衬基姥侧数补阔娥甜钵洪孺菇釉恐题籽选婉飞剔赫塑胜阴彬赂芯斡太尚华好惑化打受沮磨糙署宋硼瑰鸵钩掸铣警豢鹃吴习割映箱茅码许魄丛电增特寻姑五后楚四扇言鸵苔叁空囚胳伞象邻租丈骤沿填，中止运算，并输出：“要求输入一个正整数”；否则，如果n是偶数，则将n除2赋值给n；否则将3n+1赋给n。不断循环，直到n=1停止，并输出：“运算成功”
解：新建一个程序脚本，”，写入代码：
f<-function(n){
if(n<=0) list("要求输入一个正整数")
else{repeat{
if(n==1) break #n=1时终止 else if(n/2==(n/2)) n<-n/2 #n为偶数时
除2 else n<-3*n+1
}
list("运算成功")
}
}
在R窗口中输入：
Source(“”);f(32)
输出：
[1] "运算成功"
输入：
f(-5)
输出：
[1] "要求输入一个正整数"
2、R在统计描述中的应用
使用R软件可以方便直观的对数据进行描述性分析。如使用均值、中位数、顺序统计量等度量位置；用方差、标准差、变异系数等度量分散程度；以及用峰度系数、偏度系数度量分布形状。例如在窗口中输入：
x<-seq(1,589,3)
length(x);mean(x);var(x);sd(x);median(x);100*sd(x)/mean(x)
[1] 197 #长度
[1] 295 #均值
[1] #方差
[1] #标准差
[1] 295 #中位数
[1] #样本标准差
n<-length(x);m<-mean(x);s<-sd(x)
n/((n-1)*(n-2))*sum((x-m)^3)/s^3;((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4- (3*(n-1)
^2)/((n-2)*(n-3)))
[1] 0 #偏度系数
[1] - #峰度系数
R软件可以检验样本是不是来自某种分布总体，以正态分布为例，()函数提供W统计量和相应的p值，并通过p值的大小判断样本是否来自正态分布的总体。经验分布的K-S检验方法的应用范围则更加广泛，不仅可以判断样本是否来自正态总体，也能判断是否来自其它类型的分布总体。
：分别用W检验方法和Kolmogorov-；
首先将一百个数据存入””中（此文件要放在工作空间目录中） x<-(“”);(x)
Shapiro-Wilk normality test
data: x
W = , p-value = 可见该样本来自正态总体
(x,pnorm,mean(x),sd(x))
One-sample Kolmogorov-Smirnov test
data: x
D = , p-value =
alternative hypothesis: two-sided 结果与W检验相同
除此之外，R语言还有强大的画图功能，例如我们可以通过作直方图、茎叶图和总体分析来描述数据的分布。R中的高水平作图函数有：plot()、pairs()、coplot()、qqnorm()、hist()等等。当高水平作图函数并不能完全达到作图的指标时，需要低水平的作图
函数予以补充。低水平作图函数有：points()、lines()、text()、polygon()、legend()、title()和axis()等。需要注意的是低水平作图函数必须是在高水平作图函数所绘图形的基础之上增加新的图形。
hist()函数可以做出已知数据的直方图，stem()函数可以作茎叶图，boxplot()函数可用作箱线图，qqline()和qqmorm()可以做出正态QQ图和相应的直线。R语言同时还能对两组数据进行相关性检验，()函数提供了Pearson相关性
检验，Spearman秩检验和Kendall秩检验。其原假设为两组数据不相关，通过p值的大小来判断是否拒绝原假设。我们还能用stars()函数作出星图，来表示多元数据，以上用法都非常简单易用，这里就不再赘述。
3、R语言在统计推断中的应用
首先，R语言可以用来进行参数估计；