1.1  随机抽样

在R中，函数sample模拟随机抽样,(sample的默认行为是无放回抽样，加上replace=T放回抽样，prob函数调节概率)

> sample(1:40,5)
[1]  6 33  8 22 11
> sample(40,5)
[1] 18 34 11  1 25
> sample(40,5,replace = TRUE)
[1] 15  5 11 22 19
> sample(c("H","T",10,replace = TRUE))

> sample(c("H","T"), 10,replace = TRUE)
 [1] "T" "T" "T" "T" "T" "H" "T" "T" "T" "T"

1.2 概率计算和排列组合

prod函数计算数字向量的乘积

> 1/prod(40:36)
[1] 1.266449e-08

> 1/(40*39*38*37*36)
[1] 1.266449e-08

> prod(5:1)/prod(40:36)
[1] 1.519738e-06

1.3 单组的汇总统计量（均值，标准差，方差，中位数，分位数）

> x <- rnorm(50)
> mean(x)
[1] 0.3359321
> sd(x)
[1] 0.9801387
> var(x)
[1] 0.960672
> median(x)
[1] 0.3689863
> prec <- seq(0,1,0.1)
> prec 

 [1] 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
> quantile(x,prec)
         0%         10%         20%         30%         40%         50%         60% 
-2.01305247 -0.84689225 -0.43141014 -0.08854443  0.18039782  0.36898631  0.50080508 
        70%         80%         90%        100% 
 0.73967146  1.24424664  1.64024475  2.22367451

如果数据中有缺失值得存在，用na.rm（not available,remove）参数来移除未知值。

> summary(quantile(x,prec))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
-2.0130 -0.2600  0.3690  0.3198  0.9920  2.2240 

summary 对整个数据框进行汇总

1.4分布的图形展示

直方图

hist(x)

经验累积分布函数

> n <- length(x)
> plot(sort(x),(1:n)/n, type = "s", ylim = c(0,1))

Q-Q图（画出第K个最小观测值和来自标准正态分布的N个值中第K个最小观测值）

qqnorm(x)

计算经验累积分布函数的目的之一，观察数据是否能被假设成来自正态分布。如果是，则是一条直线。

1.5 分组数据的汇总统计量

> attach(red.cell.folate)
> tapply(folate, ventilation,mean)
N2O+O2,24h  N2O+O2,op     O2,24h 
  316.6250   256.4444   278.0000