《第五讲-数据描述性分析与绘图》由会员分享，可在线阅读，更多相关《第五讲-数据描述性分析与绘图（80页珍藏版）》请在金锄头文库上搜索。
1、统计描述与绘图1、统计描述 2、绘图方法 3、实验练习授课内容授课目的学习如何应用R软件的统计描述与绘图 R的统计分析分为统计描述和统计推断两部分。 统计描述是通过绘制统计图形、编制统计表、计 算统计量等方法来表述数据的分布特征。 描述统计量包括了均值、中位数、次序统计量、 百分数、方差、标准差、变异系数、极差、偏度 系数等，是数据的位置度量、分散程度和分布形 状的体现。 还包括分布函数、直方图、经验分布图、QQ图 、茎叶图、箱线图等等。 均值(mean)的基本用法是 mean(x, trim=0, na.rm=FALSE); 其中x是要计算均值的那个量，trim是计算均值前，去掉 x两端观测
2、值的比例，na.rm如果是TRUE，则表示删除 NA再计算均值，允许缺失数据。 x x mean(x)1 6.5 若要分别求矩阵的行和列，则要用apply()函数 apply(x, 1, mean)1 5.5 6.5 7.5 apply(x, 2, mean)1 2 5 8 11 若x是个date frame, 则返回的是各列的平均值 mean(as.data.frame(x)V1 V2 V3 V42 5 8 11 因此多元数据的输入采用数据框的形式，会便于 后期数据的处理 w w.mean w.na mean(w.na); NA w.na.mean x sort(x, decreasing=
3、TRUE)1 75 66.9 64.0 63.5 62.2 62.2 58.7 47.4 若数据当中含有缺失值NA时，可以加na.rm来处理，注 意体会其用法 x.na sort(x.na); 1 47.4 58.7 62.2 62.2 63.5 64.0 66.9 75.0 sort(x.na, na.last=T)1 47.4 58.7 62.2 62.2 63.5 64.0 66.9 75.0 NA sort(x.na, na.last=F) 1 NA 47.4 58.7 62.2 62.2 63.5 64.0 66.9 75.0 x sort(x, index.return=T)$x1
4、 47.4 58.7 62.2 62.2 63.5 64.0 66.9 75.0$ix1 3 7 5 6 8 2 4 1 中位数函数median()的基本格式为 median(x, na.rm=FALSE) median(x.na)1 NAmedian(x.na, na.rm=F)1 62.85 百分数是中位数的推广，将数据按从小到大的顺序排 列后，取p分位数，若np是整数，则取第np和第np加 一个数的平均；若np不是整数，取第np+1那个数。 计算百分数要用到的函数是quantile()，基本格式为：quantile(x, probs=seq(0,1,0.25), na.rm=FALSE,
5、 names=TRUE, type=7, ) probs给出相应的百分位数，默认值是0，0.25，0.5， 0.75，1；na.rm是处理缺失数据的，na.rm=TRUE时， NA和NaN将从数据中移走，向量取值中若有NA或 NaN，要添加这一参数，否则会出错；names若为 TRUE，返回值当中有names这个属性“; type是取值1- 9的整数，选择了九种分位数算法(具体算法见帮助文 件)中的一种。 w.quantile attributes(w.quantile)$names 1 “0%“ “25%“ “50%“ “75%“ “100%“ quantile(w, probs=seq(0
6、,1, 0.2)0% 20% 40% 60% 80% 100%47.4 56.98 62.20 64.00 67.32 75.00 数据的分布 数据的分布主要考察分布函数(f), 密度函数 (d), 分位数函数(q)及产生随机数(r). 以正态分布为例： datadnorm(data, mean=0, sd=1, log=F);pnorm(data, mean=0, sd=1, lower.tail=T, log.p=F);pqnorm(p, mean=0, sd=1, lower.tail=T, log.p=F);1 1.959964 1.644854 # 0.05/2, 0.1/2分位数直
7、方图、经验分布图与QQ图 cl hist(Weight) 用density()函数可以绘制与直方图配套的核密度 估计。 density的一般用法为： density(x, bw=“nrd0“, adjust=1, kernel=c(“gaussian“, “), window=kernel, width ) bw是带宽，默认值R画出光滑图形；kernel是核 函数；adjust表示实际带宽是adjust*bw。其他参 数详见帮助文档。 w hist(w, freq=F); w.density lines(w.density, col=“blue“); xlines(x, dnorm(x, me
8、an(w), sd(w), col=“red“ ); 经验分布函数ecdf()可以估计总体的分布函数， 一般用法为：ecdf(x) 若要在R中画出经验分布函数，则用plot函 数： plot(ecdf(x), ylab=“Fn(x)“, verticals=FALSE, col.01line=“gray70“) verticals是逻辑变量，TRUE时表示画竖线，否则 不画竖线；col.01line是0-1线的颜色。 plot(ecdf(w), verticals=T, do.p=F)； x lines(x, pnorm(x, mean(w), sd(w)不画点 QQ图是用来鉴别样本的分布是否
9、近似于某种类 型的分布 qqnorm()和qqline()提供了画正态QQ图和相 应直线的方法 qqnorm(y, ylim, xlab=“ “, ylab=“ “, plot.it=TRUE, datax=FALSE) plot.it是逻辑变量，TRUE时将结果画出来；datax 是将样本数据放x轴，默认值是FALSE。 qqplot(x, y, plot.it=TRUE)； 比较x和y的分布接近程度 qqnorm(w)；qqline(w) 茎叶图、箱线图及五数总括 茎叶图stem()可以细致地看出数据分布的结构。 stem()的一般用法为： stem(x, scale=1, width=8
10、0, atom=1e-08) scale控制了茎叶图的长度，默认值是1，如果 scale=2，则表示将0-9这10个个位数分成两段， 04为一段，59为一段；width是绘图的宽度； atom是容差，一般选择默认值即可。 x stem(x);The decimal point is 1 digit(s) to the right of the |2 | 53 | 4 | 55 | 0456 | 1487 | 255898 | 1344456679999 | 011210 | 0stem(x, scale=2)The decimal point is 1 digit(s) to the righ
11、t of the |2 | 53 | 3 | 4 | 4 | 55 | 045 | 56 | 146 | 87 | 27 | 55898 | 134448 | 56679999 | 01129 | 10 | 0 stem(x, scale=0.5); # scale也可以是小数，等于0.5时， 表示将0-9这10个个位数分成1/2段，即20个数为一段The decimal point is 1 digit(s) to the right of the |2 | 54 | 50456 | 148255898 | 134445667999011210 | 0 箱线图boxplot()直观地展现数据
12、分布的主要特征。 boxplot()有三种基本的用法： boxplot(x, ) boxplot(x, , range=1.5, width, varwidth, notch=FALSE, outline=TRUE, , horizontal=FALSE, add=FALSE, at=NULL) boxplot(formula, data, , subset, na.action=NULL); x是数据构成的数值型向量；range控制了“触须”的范围(默认值 1.5)；notch=TRUE时，箱线图带有切口； outline是逻辑变量， TRUE时标出异常点；horizontal是逻辑变量，T
13、RUE表示把箱线图 绘制成水平状(默认值为FALSE)； add是逻辑变量，TRUE时表示 在原图上画图，否则替换一张图(默认值为FALSE)。 若用最后一种形式，fomular是公式；data给出了公式作用的对象 ；subset是可选参数，可以给定要绘制的数据子集；na.action表示 对NA数据作出处理，默认值为NULL，即忽略NA数据。 A B boxplot(A, B, names=c(“A“, “B“), col=c(“red“, “blue“); boxplot(A, B, notch=T, outline=T, names=c(“A“, “B“), col=c(3,5); In
14、sectSprays; boxplot(countspray, data=InsectSprays, col=“lightgray“) boxplot(countspray, data=InsectSprays, notch=T, col=2:7, add=T)正态性检验与分布拟合 前面介绍的茎叶图、箱线图直观地现实了数据的分布 情况，直方图、经验分布图、QQ图配合了总体的分布 或者密度曲线，可以考察总体和正态分布的接近程度 。 然而，究竟所配的曲线是否合适，这种接近程 度如何给出统计分析，还需要做正态性检验。 这里将简单地介绍两种正态性检验方法：Shapiro-Wilk W检验和Kolmog
15、orov-Smirnov经验分布拟合检验。Shapiro-Wilk W检验 R中调用shapiro.test()函数即可使用该检验，使用格式为： shapiro.test(x) shapiro.test(runif(100, min=2, max=4);Shapiro-Wilk normality testdata: runif(100, min = 2, max = 4) W = 0.9269, p-value = 3.324e-05 # 拒绝原假设，非正态 shapiro.test(weight)Shapiro-Wilk normality testdata: weight W = 0.9686, p-value = 0.8371 # 接受原假设，是正态Kolmogorov-Smirov经验分布检验 R中可以条用ks.test()来执行Kolmogorov-Smirov检验 ks.test(x, y, alternative=c(“two.sided“, “less“, “greater“), exact=NULL); x是待检测的样本
