R_Studio(学生成绩)对数值型数据进行统计量分析

　　对“Gary.csv”中的成绩数据进行统计量分析

 基础数据分析

　　均值 中位数 极差   标准差   变异系数 1/4分位数 3/4分位数 四分位间距... ...分析

setwd('D:\data')                            #更改工作目录
list.files()　                               #列出当前工作目录下的文件
dat=read.csv(file="Gary.csv",header=TRUE)    #读取"Gary.csv文件"

dats=dat[,3]     #对大学体育成绩进行分析

# 统计量分析
#平均分
mean_ = mean(dats,na.rm=T)
# 中位数
median_ = median(dats,na.rm=T)
# 极差
range_ = max(dats,na.rm=T)-min(dats,na.rm=T)
# 标准差
std_ = sqrt(var(dats,na.rm=T))
# 变异系数
variation_ = std_/mean_
# 四分位数间距
q1 = quantile(dats,0.25,na.rm=T)
q3 = quantile(dats,0.75,na.rm=T)
distance = q3-q1
a=matrix(c(mean_,median_,range_,std_,variation_,q1,q3,distance),1,byrow=T)
colnames(a)=c("均值","中位数","极差","标准差","变异系数","1/4分位数","3/4分位数","四分位间距")
print(a) 

 平均值mean(x, trim = 0, na.rm = FALSE, ...)　　传送门

 　　x - 是输入向量。

　　trim - 用于从排序的向量的两端删除一些观测值。

 　  na.rm - 用于从输入向量中删除缺少的值。

中位数median(x, na.rm = FALSE)　

 　　x - 是输入向量。 

　　na.rm - 用于从输入向量中删除缺少的值。

其它数据分析方法　　

　　线性回归　　传送门

　　多元回归

　　逻辑回归

　　正态分布　　传送门

　　二项分布　　传送门

　　泊松回归　　传送门

　　协方差分析

　　时间序列分析

　　非线性最小二乘法

　　决策树　　传送门

　　随机森林

　　生存分析卡方检验