开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第3天，点击查看活动详情

函数介绍——R语言中的函数

使用lm()函数进行回归分析，例如研究state.x77这个数据，研究犯罪率与其他指标的关系：

首先将数据转化为数据框，因为lm()函数只能对数据框进行操作

state <- as.data.frame(state.x77[,c('Murder','Population','Illiteracy','Income','Frost')])

再使用lm()函数进行回归分析，研究人口、文盲率、收入以及天气对犯罪率的影响：

fit <- lm(Murder ~ Population+Illiteracy+Income+Frost,data=state)

使用summary()得出统计结果

summary(fit)

后面的*代表数据的显著性，数据中，文盲率的回归系数是4.14，表示其他数据不变时，文盲率上升1%，则犯罪率上升4.14%，且回归系数在p<0.001的情况下，显著不为0，也就是显著。而如果数据不显著，则说明两者没有直接关系。

R函数的返回值：

ls()返回当前环境中的对象，也就是有多少变量

sys.date()返回当前系统时间

rm()删除指定的变量，但是这个函数是直接删除，不会有返回

使用函数要注意输入数据的格式

可以使用help()函数查看每个函数的帮助文档

函数介绍——函数的选项参数

一般函数的选项参数可以分成三个部分：输入控制部分；输出控制部分；调节部分

输入控制部分负责告诉用户函数能接受哪种类型的数据，这个选项参数往往出现在函数的第一位，比如说，有些函数的第一位选项参数是“file”说明使用这个函数你需要输入一个文件；如果是“data”则是需要输入一个数据框；“x”代表单独的一个对象，一般都是向量，也可以是矩阵或者列表；“x和y”代表函数需要两个输入变量；“x、y、z”函数需要三个输入变量；“formula”输入的是公式；（具体查看每个函数的帮助文档）

输出控制部分

调节参数：

选项接受哪些参数：

函数介绍——数学统计函数

（1）概率函数

概率论是统计学的基础，R有许多用于处理概率，概率分布以及随机变量的函数，R对每一个概率分布都有一个简称，这个名称用于识别与分布相联系的函数，这部分涉及到很多统计学基础的理论知识，比如随机试验、样本空间、对立与互斥、随机事件与必然事件、概率密度、概率分布等。

R中的概率函数（正态分布）：d前缀—概率密度函数；P前缀—概率分布函数；q前缀—分位数函数（分布函数的反函数）；r前缀—产生相同分布的随机数

Norm表示正态分布

例如生成一组符合正态分布的随机数，这组数据均值为15，标准差为2，总共100个数据：

> rnorm(n=100,mean = 15,sd=2)

R中的概率函数（离散分布）：同样的道理，在这些分布缩写前面加上d、p、q、r就变成函数

这些分布函数可以帮助我们在R中绘制各种分布函数图。

R中如何生成随机数：

最简单的是runif()函数，可以生成0-1之间的随机数

生成50个0-1之间的随机数

> runif(50)

如果想生成0-1之外的随机数，可以通过修改选项参数来更改

runif(50,min=1,max = 100)

这样就能生成1-100以内的随机数了

Set.seed()函数可以绑定随机数，当输入Set.seed()函数时，回到最初的随机数：

每个Set.seed()号码对应的随机数是相同的，这个功能主要是可以在研究发表时重现随机分组，以保证在不同设备上也能独立获得相同的结果。