R语言学习笔记【2】随机抽样/正态分布等函数的使用

STA3050 Lec2笔记

1. sample

2. plot

3. runif

4. pnorm…

5. apply…

6. by

7. ……

   sample(c(-1,0,1),size=20, prob=c(0.25,0.5,0.25),replace=T)
   w<-as.ts(w) # transform w into a time series object
   plot(w,main=“random walk”) #制图
   abline(h=10) #绘线
   runif(n, min = a, max = b) #runif函数，随机[a,b]的n个数，ab默认为0，1

绘制Normal Distribution的图案

> x<-seq(-4,4,0.1) #[-4,4],间隔为0.1
> plot(x,dnorm(x),type="l",main="N(0,1) density") # dnorm()函数计算x的正态分布概率密度函数值（pdf），type=(l)是图用line呈现，main=()函数是命名图案标题 

关于pnorm/qnorm

pnorm() 是正态分布的分布函数值（cdf），比如pnorm（z）等价于P[X ≤ z]
qnorm() 简单来说，qnorm是正态分布累积分布函数(CDF,Cumulative Distribution Function）的反函数，也就是说它可以视为pnorm的反函数，这里的q指的是quantile，即分位数。
rnorm() 生成()个服从标准正态分布的随机数

dbinom（）该函数给出每个点的概率密度分布
pbinom（）此函数给出事件的累积概率
qbinom（）该函数采用概率值，并给出累积值与概率值匹配的数字
rbinom（）该函数从给定样本产生给定概率的所需数量的随机值

Working directory工作路径

To see the current working directory, we can use **getwd()**
we can set working directory using the command **setwd("C:/Folder")**

m<-apply(y,2,mean)#apply函数3个元素，第一个y是矩阵y，第二个2是第二个维度（第2列），第三个mean是应用的函数

sapply()和lapply（）应用于list或者vector上，所以只用输入2个参数，返回值分别为vector和list。
tapply()也有三个参数，第一个输入数据，第二个输入数据如何分组，第三个指定每个分组内应用什么函数。
split() 分组
table() 每个分组内有几个元素

by()函数

by(matrix/data frame, factor, function)

lsfit() # add least square line

cbind() #合并对象