R语言统计分析：描述性统计与相关性检验-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_56444893/article/details/122117198

本文介绍了R语言中的基本统计分析，包括使用summary()、sapply()、describe()和stat.desc()函数进行描述性统计，以及aggregate()和by()函数进行分组计算。此外，还讲解了相关性的类型和显著性检验，如Pearson、Spearman和Kendall相关系数及其检验方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

1基本统计分析
2 结果可视化
3 相关
- 3.1 相关的类型
- 3.2 相关性的显著性检验

1基本统计分析

1.1描述性统计分析

在描述性统计量的计算方面，R中的选择很多。你可以使用summary()函数来获取描述性统计量。

1.1.1 summary()函数

#读入x的值
x <- c("mpg", "hp", "wt")
#进行描述统计分析
summary(mtcars[x])

在这里插入图片描述
在描述性统计分析中包含了每个变量的最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻辑型向量的频数统计。

1.1.2 sapply()函数

sapply()函数可计算所选择的任意描述性统计量。其使用格式为：sapply(x, FUN, options)。其中的x是你的数据框（或矩阵），FUN为一个任意的函数。如果指定了options，它们将被传递
给FUN。你可以在这里插入的典型函数有mean()、sd()、var()、min()、max()、median()length()、range()和quantile()。函数fivenum()可返回最小值、下四分位数、中位数、上四分位数和最大值。

#构建函数
mytest <- function(x, na.omit=FALSE){
    
  if (na.omit) 
    x <- x[!is.na(x)] 
  m <- mean(x) 
  n <- length(x) 
  s <- sd(x) 
  skew <- sum((x-m)^3/s^3)/n 
  kurt <- sum