R 在概率论与数理统计中的应用
1. 基础约定与数据准备
R 的向量运算默认逐元素进行,索引从 1 开始。缺失值用 NA 表示,
多数统计函数需要显式设置 na.rm = TRUE。
x <- c(8.2, 7.9, 8.5, NA, 9.1, 8.7)
length(x)
mean(x, na.rm = TRUE)
x[!is.na(x)]
数据框适合保存“每行一个观测、每列一个变量”的整洁数据:
dat <- data.frame(
group = factor(c("control", "control", "control",
"treatment", "treatment", "treatment")),
score = c(72, 75, 71, 81, 79, 84)
)
str(dat)
summary(dat)
公式接口
R 中许多模型采用 响应变量 ~ 解释变量 公式。例如
score ~ group 表示用组别解释得分;y ~ x1 + x2 表示包含两个主效应。
2. 概率分布函数:d、p、q、r
R 为常见分布使用统一前缀:
d*:概率质量函数或概率密度函数;p*:累积分布函数 ;q*:分位数函数,即累积分布函数的反函数;r*:生成伪随机数。
后缀表示分布,例如正态分布 norm、二项分布 binom、泊松分布 pois、
分布 t、卡方分布 chisq 和 分布 f。
2.1 正态分布
若 ,计算密度、左尾概率、分位数与随机样本:
dnorm(0, mean = 0, sd = 1)
pnorm(1.96)
qnorm(0.975)
rnorm(5, mean = 10, sd = 2)
右尾概率应优先使用 lower.tail = FALSE,避免手工计算 1 - p 的精度损失:
pnorm(3, lower.tail = FALSE)
qnorm(0.01, lower.tail = FALSE)