R语言-学习笔记

概率函数

• beta Beta分布
• binomial 二项分布
• Cauchy 柯西分布
• chi-squared 非中心卡方分布
• F F分布
• gamma
• geometric 几何分布
• hypergeometric 超几何分布
• log-normal 对数正太分布
• logistsc
• negative binomia 负二项分布l
• normal 正态分布
• Poisson 泊松分布
• Student’s t T分布
• uniform 均匀分布
• Weibull
• Wilcoxon 秩和分布

正态分布命名特性，d 概率密度函数 、p 分布函数、 q 分布函数的反函数、r 产生相同分布的随机数

？norm 可见

描述性统计函数

• summary（）
• describe（）

频数统计函数

• prop（）

独立性检验函数

• 卡方检验
• Fisher检验

相关性分析

相关性衡量指标
Pearson相关系数，Spearman相关系数，Kendall相关系数，偏相关希数，多分格相关系数，多系列相关系数。

• cor（）
• cov（）

相关性检验

对相关分析的结论进行度量。

• cor.test()
  参数检验 在总体分布形式已知的情况下对总体分布的参数如均值、方差等进行推断的方法。也就是数据分布已知。
  非参数检验就是在数据分布不清楚的情况下进行检验。在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名非参数检验。

R语言绘图

1.基础绘图 graphics
- 高级绘图 直接库函数调用
- 低级绘图 元素级绘图
demo（graphics）
plot（）
par（）
2 .

实战

回归

1. 如何建立模型
2. 如何评价指标

常用 liner mode 函数

• summary 展示拟合模型的详细结果
• coefficients 列出拟合模型的模型参数（截距项和斜率）
• confint 提供模型参数的置信区间
• residuals 列出拟合模型的残差值
• anova 生成一个拟合模型的方差分析表
• vcov 列出模型参数的协方差矩阵
• aic
• plot
• predict 拟合数据对新的数据集预测响应变量值

多元回归

##回归诊断

1. 这个模型是否是最佳模型？
2. 模型多大程度满足OSL模型的统计假设？
3. 模型是否经得起更多数据的检验？
4. 如果你和模型指标不好，如何继续？
   检验手段

满足ols模型统计假设

• 正态性：对于固定的自变量值，因变量值成正态分布。
• 独立性 因变量之间相互独立
• 线性 因变量与自变量之间为线性相关
• 同方差性 因变量的方差不随自变量的水平不同而变化

方差分析

方差分析 analysis of variance ，ANOVA 变异数分析 ，用于两个及两个以上样本均属差别的显著性检验，从广义上将，方差分析属于回归分析的一种，线性回归的因变量一般是连续变量，自变量是因子时，关注的重点会有预测专项不同组之间的差异比较。

1. 单因素方差分析
2. 双因素方差分析
3. 协方差分析
4. 多元方差分析

以上都是在符合正太分布前提下成立的。

很多事情并非是符合已有分布。

先看用spss实现统计的案例，再用r