R 語言學習筆記(三)

1. R語言中各種分佈

   rnorm(n,mean=0,sd=1)
   rexp(n,rate=1)
   rgamma(n,shape,scale=1)
   rpois(n,lambda)
   rweibull(n,shape,scale=1)#weibull分佈
   rcauchy(n,location=0,scale=1)#Cauchy分佈
   rbeta(n,shape1,shape2)#beta分佈
   rt(n,df)#t分佈
   rf(n,df1,df2)#F分佈
   rchisq(n,df)#卡方分佈
   rbinom(n,size,prob)#二項分佈
   rgeom(n,prob)#幾何分佈
   rhyper(nn,m,n,k)#超幾何分佈
   rlogis(n,location=0,scale=1)#logistic分佈
   rlnorm(n,meanlog=0,sdlog=1)#對數正態
   rnbinom(n,size,prob)#負二項分佈
   runif(n,min,max)#均勻分佈
   

2. median(x1)
   [1] 99
   quantile(x1)
   0%  25%  50%  75% 100% 
   86   95   99  105  115 
   fivenum：中位數，上四分位數，下四分位數，最大值，最小值
   cor：相關係數
   cos：協方差
   

3. 一元線性迴歸分析

   lm: linear model
   a=lm(w~1+h)
   summary(a)
   
   Call:
   lm(formula = y ~ x)
   
   Residuals:（對殘差的描述）
        Min       1Q   Median       3Q      Max 
   -1.81085 -0.66032  0.01576  0.67239  1.60354 
   
   Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
   (Intercept)（截距） -0.25072    0.44522  -0.563     0.58    
   x            1.00317    0.03717  26.991 5.16e-16 ***
   （P值，越小代表預測越準確，***代表預測結果好）
   ---
   Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
   
   Residual standard error: 0.9584 on 18 degrees of freedom
   Multiple R-squared(擬合的越好越接近於1):  0.9759,    Adjusted R-squared:  0.9745 
   F-statistic: 728.5 on 1 and 18 DF,  p-value: 5.164e-16
   
   
   predict(model,data)