医学论文统计学处理教程r语言

数据准备

统计概念学习。

(1)当观测值为奇数时，(n+1)/2位置的观测值即为中位数。

(2)当观测值个数为偶数时，n/2和n/2 + 1位置的两个观测值的平均数为中位数。

数据的标准化 数据的标准化是指将数据按照比例缩放，使之落入一个特定的区间。 数据的中心化：数据集中的各项数据减去数据集的均值。 中心化公式： 数据的标准化：中心化之后的数据再除以数据集的标准差，即数据集中的各项数据减去数据集的均值再除以数据集的标准差。经过该方法处理的数据的均值是0，标准差是1。 标准化公式： 其中，x为观测者， 为平均值，S为标准差。

scale(x, center = TRUE, scale = TRUE) x：用于标准化的数据， center=T：表示数据中心化， scale=T：表示数据标准化。 默认情况下，center=TRUE，scale=TRUE，scale()函数首先把一组数的每个数都减去这组数的平均值，然后除以这组数的均方根。 如果scale=TRUE，而center=FALSE，那么，scale()函数不会把一组数中的每个数减去平均值，而直接除以这组数据的均方根。

参考资料：

R语言-统计学 描述性统计描述定量数据的数值方法：中心趋势度量 变异的度量 相对位置的度量。1.中心趋势度量 ： 算数平均 中位数 众数 在R中计算平均数的函数 mean( )常规的mean() 函数用法 mean(x, trim = 0, = FALSE, ...) 参数说明： x 对象名称trim 过滤掉异常值 ，按照距离平均值的远近距离排除，如对象中含有10个数据，排除最高和最低值，trim= 默认为F 表示是否计入空值实例1： 做一个稍微复杂点的操作，用r做数据透视表并把结果转换为matrix ，对行列求和。(仅娱乐，无实用价值) demo <- mtcars[1:6,] # 调用R自带函数集，并去前6行 toushi <- aggregate(mtcars[,5:6] ,by = list(cyl = mtcars$cyl),sum) # 数据透视表求和 toushi <- (toushi) # 将结果的数据框转化成矩阵 #(toushi <- apply(toushi,c(1,2),sum)) (rowSums(toushi)) # 行求和 (colSums(toushi)) # 列求和 toushi <- rbind(toushi,rowSums(toushi)) #将行求和结果并入最后一行 toushi <- cbind(toushi,colSums(toushi)) #将列求和结果并入最后一列 中位数和众数 对于偏度极大的数据集，中位数能更好的描述数据分布的中心。 很少用众数作为数据数据趋势的度量，只有当对y出现的相对频率感兴趣时，才会考虑到众数。 R实现中位数 ： median(x, = FALSE) R中没有直接插找众数的命令 (table(x))2.变异的度量 ： 极差 方差 标准差 .极差 = max（）- min（） 方差和标准差 对一个有n个测量值的有限总体来说，方差计算公式的分母为n。关于样本方差和总体方差分母的差异原因，可自行百度搜索。 R语言计算方差的函数： var(x,) w<-c() var(w) # 附加指数点：标准差的两个有用法则：经验法则 和 切比雪夫法则，共同说明一个问题，对于任意大于1的正数k，至少有（1-1/k^2）的测试值落在平均值的k个标准值范围内。3.变异的度量 ： 百分位数 Z得分 .最常见的四分位数（一般从大到小） quantile(x, probs = seq(0, 1, ), = FALSE,names = TRUE, type = 7, ...)