1. R语言 数据基础
- 观测（pbservation）、变量（variable）、数据矩阵（data matrix）
- 变量的类型
1. 数值（quantitative）：可以进行加减乘除求平均等运算
- 连续：可在给定区间取任意数值（无限）
- 离散：在给定数值集合内取值（有限）
2. 分类（qualitative）：取值空间有限；不能进行运算
- 无序：不可比较
- 有序：顺序有意义
- 变量间的关系（对应不同的可视化方法和统计分析方法）
1. 两个数值变量
2. 两个分类变量
3. 一个数值变量、一个分类变量
2. R语言 数值变量的特征和可视化
2.1 数据集中趋势的测量（measures of center）
- 均值（mean）、中位数（median）、众数（mode）
中位数：排序后位于正中间的一个数或位于正中间的两个数的均值
众数：出现次数最多的数
2.2 数据分散趋势的测量（measures of spread）
- 值域（range）、方差（variance）、标准差（standard variance）、四分位距（interquartile range）
方差 = 
（每一个数据减去平均数）做平方2，再进行加和∑，最后除以（数据个数-1）
标准差 = 方差开方
> x <- c(1,9,2,8,3,9,4,5,7,6) > mean(x) [1] 5.4 > median(x) [1] 5.5 > var(x) [1] 8.266667 > sd(x) [1] 2.875181 > summary(x) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.00 3.25 5.50 5.40 7.75 9.00 >
2.3 稳健统计量（robust statistics）
- 是稳健统计量：中位数、四分位差（受极端值影响小）
- 非稳健统计量：均值、标准差、值域（受极端值影响大）
2.4 一个变量的可视化：
- 柱状图（histogram）、点图（dot plot）（分布）
左偏分布、正态分布（单峰分布）、右偏分布、点图
- 箱图（box plot）（中位数、分位点、极端值）
Q1: 25%分位点值 Q3: 75%分位点值
2.5 两个变量的关系：
- 散点图（scatter plot）：方向、形状、强度、极端值
3. R语言 分类变量的特征和可视化
3.1 一个分类变量的可视化
- 频率表（frequency table）、条形图（bar plot）
3.2 两个分类变量的关系
- 关联表（contingency table）、相对频率表（relative frequencies）
- 分段条形图、相对频率分段条形图
- 马赛克图（mosaic plot）
3.3 一个分类变量、一个数值变量的关系
- 并排箱图（side-by-side box plot）
4. 小结
