今天我們開始來學習描述統計量吧！

位置的度量

位置的度量就是用來描述定量資料的集中趨勢的統計量，常用的有均值、眾數、中位數、百分位數等。

1.均值 mean( )

形式：

mean(x, trim = 0, na.rm = FALSE)

x 是對象(如向量、矩陣、數組或數據框)

trim 是計算均值前去掉與均值差較大數據的比例，缺省值為0，即包括全部數據

na.rm = TRUE 時，允許數據中有缺失數據

trim 的取值在 0 到 0.5 之間，表示計算均值前去掉異常值的比例。將向量 w 中的第一個數值改成 750 ，來看看 trim 參數好不好用吧！

當 x 是矩陣或數組時，函數 mean( ) 的返回值，不是向量，而是一個數，是矩陣中全部數據的平均值。

如果需要各行或各列的平均值，需要調用 apply( ) 函數

如果 x 是數據框，則 mean( ) 的返回值就是向量

---

2. sum( ) / weighted.mean( )

形式：

sum(x, na.rm = FALSE)

weighted.mean(x, w, na.rm = FALSE)

w 是數據 x 的求和權數，與 x 的維數相同

其他參數的含義見上

關系式：mean(x) = sum(x) / length(x)

---

3.順序統計量 sort( )

將 n 個數據按從小到大的順序排列為：X(1) <= x(2) <= …… <= x(n)

最小統計量為 X(1), 最大統計量為 X(n)

形式：

sort(x, partial = NULL, na.last = NA, decreasing = FALSE)

x 可以是數值、或字符、或邏輯型向量

partial 是部分排序的指標向量

na.last 是控制缺失數據的參數， na.last = NA(缺省值)，不處理缺失數據；na.last = TRUE ,缺失數據排在最后；na.last = FALSE, 缺失數據排在最前。

decreasing 是邏輯變量，控制數據排列的順序， decreasing = FALSE(缺省值)，從小到大排序；decreasing = TRUE ，從大到小排序

用 sort( ) 給觀測值排序

---

4.中位數 median( )

中位數的一顯著特點是不受異常值的影響，具有穩健性

形式：

median(x, na.rm = FALSE)

---

5.百分數 quantile( )

百分位數是中位數的推廣， quantile( ) 函數計算觀測值的百分數

形式：

quantile(x, probs = seq(0, 1, 0.25), na.rm = FALSE)

probs 是相應的百分位數，缺省時為( 0, 0.25, 0.5, 0.75, 1), 其中 seq(from = value_1, to = value_2, step = value_3 )

---

分散程度的度量

表示數據分散(或變異)程度的特征量有：方差、標準差、極差、四分位極差、變異系數和標準誤等

1.方差、標準差與變異系數

以樣本數據來衡量總體統計量

注：下文中的bar{x}?均為樣本均值

方差公式：

方差形式：var( )

標準差公式：

標準差形式：sd( )

變異系數公式：

變異系數的計算需要自行編寫函數來計算

---

2.極差、四分位極差與標準誤

數據越分散，其極差越大。

公式：x(n) - x(1)

樣本上、下四分位數之稱為四分位差(或半極差)，對具有異常值的數據來說，具有穩健性。

公式：Q(3) - Q(1)

標準誤公式：

---

分布形狀的度量

如偏度系數和峰度系數

偏度系數 g1 公式：

峰度系數 g2 公式：

---

哇~今天的內容都學會啦！是不是跟統計學很一樣呢對呀！小編下一節會將啥咧？下一節咱們用圖來描述數據咋樣？夠高 level 吧

哇塞酷炫！盤他！！掃碼關注一個吧~~

總結

以上是生活随笔為你收集整理的统计建模与r软件_【统计建模与R软件笔记】008 描述统计量(1)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。