R語(yǔ)言之描述性統(tǒng)計(jì)分析練習(xí)筆記

1、R 14章筆記/*2015年9月15日10:14:47：多組數(shù)據(jù)的描述統(tǒng)計(jì)分析*/*先畫散點(diǎn)圖*/plot(cars$distcars$speed, xlab="Speed(mph)", ylab="Sdistance(ft)")/*添加擬合曲線*/lines(lowess(cars$speed,cars$dist),lwd=2) /*還可以使用loess()函數(shù)， 該函數(shù)適用于處理多維的情況， 而lowess只處理二維的情況*/結(jié)果如圖：/*標(biāo)明數(shù)據(jù)的具體位置*/rug(side=2,jitter(cars$dist,20)rug(side=1,jit

2、ter(cars$speed,5)/*添加單變量的箱形圖*/op<-par()layout(matrix(c(2,1,0,3),2,2,byrow=T),c(1,6),c(4,1)par(mar=c(1,1,5,2) plot(cars$distcars$speed, xlab="", ylab="", las=1)rug(side=1,jitter(cars$speed,5)rug(side=2,jitter(cars$dist,20)title(main="cars data")par(mar=c(1,2,5,1)boxpl

3、ot(cars$dist,axes=F)title(ylab='Sdistance(ft)',line=0)par(mar=c(5,1,1,2)boxplot(cars$speed,horizontal=T,axes=F)title(xlab='Speed(mph)',line=1)par(op) 結(jié)果圖如下：二維等高線圖：library(MASS)z<-kde2d(x,y)contour(z,col="red",drawlabels=FALSE, /contour函數(shù) main="二維核密度估計(jì)：等高線圖")三維透

4、視圖：persp(z,main="三維核密度估計(jì)：透視圖") /persp函數(shù)/*2015年9月16日15:33:05 多組數(shù)據(jù)的圖形描述練習(xí)*/*產(chǎn)生五個(gè)樣本容量為10標(biāo)準(zhǔn)正態(tài)分布的樣本*/n<-10d<-data.frame(y1=abs(rnorm(n), y2=abs(rnorm(n), y3=abs(rnorm(n), y4=abs(rnorm(n), y5=abs(rnorm(n) )/*畫多數(shù)據(jù)的散點(diǎn)圖*/plot(d) 或者用“pairs(d)”也可以產(chǎn)生/*畫矩陣圖*/matplot(d,type='l',ylab="

5、",main="矩陣圖")/*框須圖*/boxplot(d)多組數(shù)據(jù)的概述：與單組數(shù)據(jù)情形類似，直接用summary()就可以了以數(shù)據(jù)框state.x77為例，首先用summary(state.x77)得到各個(gè)變量的最小值min，1分位數(shù)1st Qu，中位數(shù)median，均值mean，三分位數(shù)3rd Qu，最大值max；進(jìn)一步利用函數(shù)aggregate(state.x77,list(Region=state.region),mean)得到不同地區(qū)的均值統(tǒng)計(jì)結(jié)果：aggregate()函數(shù)說(shuō)明：格式為：aggregate（x,by,FUN,），其中x為數(shù)據(jù)框，by指

6、定分組變量，fun用來(lái)計(jì)算的統(tǒng)計(jì)函數(shù)標(biāo)準(zhǔn)差與協(xié)方差陣的計(jì)算多變量的標(biāo)準(zhǔn)差仍然用函數(shù)sd()、協(xié)方差陣：函數(shù)var()相關(guān)系數(shù)的計(jì)算格式：cor(x,y=NULL,use="all.obs",method= c("pearson","kendall","spearman")，分別為：皮爾遜相關(guān)系數(shù)、肯德?tīng)栂嚓P(guān)系數(shù)、斯皮爾曼相關(guān)系數(shù)例題：x<-c(44.4,45.9,46.0,46.5,46.7,47,48.7,49.2,60.1) 、y<-c(2.6,10.1,11.5,30,32.6,50,55.2,8

7、5.8,86.8)的三個(gè)相關(guān)系數(shù)> cor(x,y,method="pearson")1 0.769> cor(x,y,method="spearman")1 1> cor(x,y,method="kendall")1 1 2015年9月17日08:39:06 分組數(shù)據(jù)的圖形概括關(guān)于杜鵑鳥(niǎo)蛋的例子library(DAAG)data(cuckoos)cuckoos使用條件散點(diǎn)圖：函數(shù)coplot()格式：coplot(formula,data,.)coplot(yx | a)：表示對(duì)于因子a，變量x與y的條件散點(diǎn)圖co

8、plot(yx | a*b)：表示對(duì)于兩個(gè)因子a，b，變量x與y的條件散點(diǎn)圖不同種類杜鵑鳥(niǎo)的蛋長(zhǎng)度與寬度散點(diǎn)圖：coplot(lengthbreadth | species)由于版本原因，上面的命令并沒(méi)有得到結(jié)果，顯示“找不到breadth”這個(gè)變量，因此我們將這三個(gè)變量通過(guò)如下命令：x<-cuckoos$lengthy<-cuckoos$breadthz<-cuckoos$speciescoplot(xy | z)最終得到條件散點(diǎn)圖2015年9月29日15:21:12 分類數(shù)據(jù)的描述性統(tǒng)計(jì)分析1、列聯(lián)表的制作方法一：通過(guò)矩陣建立列聯(lián)表命令：Eye.Hair<-matrix(c(68,20,15,5,119,84,54,29, 26,17,14,14,7,94,10,16), nrow=4,byrow=T)colnames(Eye.Hair)<-c("灰色","藍(lán)色","褐色","綠色")rownames(Eye.Hair)<-c("黑色","灰色","紅色&q