---

一、常规函数

读取数据

• carsale 是关于二手车的车型、售卖价格、驾驶距离、售卖形式的Data Frame
• 我们要对carsale进行数据的处理，探究车型、驾驶距离、售卖价格、售卖形式之间的关系

carsale=read.csv(file.choose())

1.1 中位数 median( )

求carsale中price列的中位数

median(carsale$price)

1.2 平均值 mean( )

求carsale中price列的平均数

mean(carsale$price)

1.3 最小值 min( )

求carsale中price列的最小值

min(carsale$price)

1.4 最大值 max( )

求carsale中price列的最大值

max(carsale$price)

1.5 方差 var( )

求carsale中price列的方差

var(carsale$price)

1.6 标准差 sd( )

求carsale中price列的标准差

sd(carsale$price)

1.7 四分位距 IQR( )

求carsale中price列的四分位距

IQR(carsale$price)

1.8 数据范围 range( )

求carsale中price列的数据范围，返回的是一个两位数数组，前一个是最小值，后一个是最大值

range(carsale$price)

1.9 数据统计 summary( )

求carsale中price列的数据统计

• 包含：最小值、四分之一位数、中位数、平均值、四分之三位数、最大值

summary(carsale$price)

二、复杂函数

2.1 相关性检验 cor.test( )

• 函数功能：对成对数据进行相关性检验（即检验成对数据之间的相关程度）。
• 有3种方法可供使用，分别是Pearson检验、Kendall检验和Spearman检验。
  函数格式：

cor.test(x, y, 
         alternative = c(“two.sided”, “less”, “greater”), 
         method = c("pearson", "kendall", "spearman"),
         conf.level = 0.95)

• x、y是供检验的样本
• alternative指定是双侧检验还是单侧检验
• method为检验的方法
• conf.level为检验的置信水平

举例：

# 取carsale中所有model是X类型的数据，即车型为X的数据，赋值给carX
carX=carsale[carsale$model=="X",]
# 求X车型中售卖价格和驾驶距离的相关性检验
cor.test(carX$price,carX$miles)

结果显示：

• data: carX$priceandcarX$miles：数据源自 carX$price和carX$miles
• p-value < 2.2e-16：检验 p 值小于2.2e-16
• alternative hypothesis: true correlation is not equal to 0：替代假设：真实相关性不等于0
• 95 percent confidence interval -0.7094746 -0.5885133：95%的置信区间为：-0.7094746 ~ -0.5885133
• sample estimates: cor -0.6531409：样本估计：二者相关性系数为 -0.6531409

其余详情可参考：http://blog.sina.com.cn/s/blog_78c5f0530101btv3.html

2.2 协方差系数 cor( )

求carX的pirce、miles两列数据的协方差系数

cor(carX$price,carX$miles)

2.3 线性回归分析 lm( )

2.3.1 过滤函数 filter( )

将carsale里，车型为X的数据赋值给SaleX

library("dplyr")
SaleX=filter(carsale,model=="X")

与这种语法形成的结果一样

carX=carsale[carsale$model=="X",]

2.3.2 线性回归分析

m=lm(carX$price~carX$miles)

简单解读：

• coefficients(系数)：是一个两位的数组，第一个数是截距b，第二个数是斜率a，即回归方程里y=b+ax里对应的b、a
• residuals：残差

2.3.3 线性回归绘图 stat_smooth()

ggplot(carX,aes(x=miles,y=price,colour=sale))+
  geom_point(size=3,alpha=0.5)+
  stat_smooth(method=lm,se=F,aes(x=miles,y=price),
              inherit.aes = F)# 平滑曲线

• stat_smooth(method=lm,se=F,aes(x=miles,y=price), inherit.aes = F)：即以miles为自变量 x ，以price为因变量 y ，利用线性回归分析方法lm( )确定线性回归方程，并绘制该平滑曲线

2.4 正态性检验：shapiro.test( )

检验carX中residual列数据的正态性，即是否满足正太分布（但即使满足也不能肯定一定是正态分布，只能说不可排除是正太分布的可能性）

st=shapiro.test(carX$residual)

2.5 预测函数 predict( )（未懂）

在线性回归分析的结果上，对新的样本进行预测，预测其对应的结果

得到线性回归分析结果：

m=lm(carX$price~carX$miles)

预测miles=6000时的sale值

predict(m,data.frame(miles=6000))

预测多个值

predict(m,data.frame(miles=c(6000,12000,350000)))

还有：

predict(m,data.frame(miles=c(6000,12000,350000)),
        interval = "confidence",level=0.95)

predict(m,data.frame(miles=c(6000,12000,350000)),
        interval = "prediction",level=0.95)

---