相信很多都對前面我說的r語言感興趣吧，分享一下我的資料吧。這是關於驗證中心極限定理的r程式！
######驗證：無論隨機變數原來服從哪種分布，只要樣本容量足夠大，
#########其均數都會服從正態分佈
###1.正態分佈####ax
axwindows(1280,720);par(mfrow=c(2,2))
plot(density(a$a),main = "這是原來的分布")
hist(a$a,main = "這是原來的分布")
for(i in 1:100){ #設定迴圈，迴圈抽取100個樣本，並將計算出來的均值賦值給資料框中的x變數
cm=mean(c)
# print(m) #驗證該迴圈可以正常工作
x$x[i]
plot(density(x$x),main = "這是抽取的樣本的均數的分布") #繪製抽取樣本的均值的分布概率密度圖
hist(a$a,main = "這是抽取的樣本的均數的分布")
##將上面的程式加以改造，以驗證其它形式的分布
### 2.0 指數分布####ax
axwindows(1280,720);par(mfrow=c(1,2))
plot(density(a$a),main = "這是原來的分布")
for(i in 1:10000){ #設定迴圈，迴圈抽取100個樣本，並將計算出來的均值賦值給資料框中的x變數
cm=mean(c)
# print(m) #驗證該迴圈可以正常工作
x$x[i]
plot(density(x$x),main = "這是抽取的樣本的均數的分布") #繪製抽取樣本的均值的分布概率密度圖
### 3.0 t分布####ax
axwindows(1280,720);par(mfrow=c(1,2))
plot(density(a$a),main = "這是原來的分布") #檢視原始資料的分布狀態
for(i in 1:1000){ #設定迴圈，迴圈抽取1000個樣本，並將計算出來的均值賦值給資料框中的x變數
cm=mean(c)
# print(m) #驗證該迴圈可以正常工作
x$x[i]
plot(density(x$x),main = "這是抽取的樣本的均數的分布") #繪製抽取樣本的均值的分布概率密度圖
###4.0 f分布####ax
axwindows(1280,720);par(mfrow=c(1,2))
plot(density(a$a),main = "這是原來的分布")
for(i in 1:1000){ #設定迴圈，迴圈抽取1000個樣本，並將計算出來的均值賦值給資料框中的x變數
cm=mean(c)
# print(m) #驗證該迴圈可以正常工作
x$x[i]
plot(density(x$x),main = "這是抽取的樣本的均數的分布") #繪製抽取樣本的均值的分布概率密度圖
###5.0卡方分布 ####ax
axwindows(400,400);par(mfrow=c(1,2))
plot(density(a$a),main = "這是一組呈卡方分布的資料")
for(i in 1:1000){ #設定迴圈，迴圈抽取100個樣本，並將計算出來的均值賦值給資料框中的x變數
cm=mean(c)
# print(m) #驗證該迴圈可以正常工作
x$x[i]
plot(density(x$x),main = "這是從上述卡方分布的資料中抽取的1000個樣本的均值分布")
#繪製抽取樣本的均值的分布概率密度圖
### 6.0 函式解決方案####
myfunxx
afor(i in 1:100){ #設定迴圈，迴圈抽取100個樣本，並將計算出來的均值賦值給資料框中的x變數
cm=mean(c)
x$x[i]
windows(1280,720);par(mfrow=c(2,2))
plot(density(a$a),main = "這是原來的分布")
hist(a$a,main = "這是原來的分布",col='skyblue')
plot(density(x$x),main = "這是抽取的樣本的均數的分布")
hist(a$a,main = "這是抽取的樣本的均數的分布",col='skyblue')
###6.1正態分佈####
amyfun(a)
###6.2指數分布####
bmyfun(b)
###6.3 t分布####
cmyfun(c)
###6.4 f分布####
dmyfun(d)
R語言 R呼叫C 程式
今天mayuyu學習了如何利用r語言來呼叫c 程式。為什麼要這麼多呢？因為r語言雖然方便，但是計算太慢了，尤其是在迴圈語句方面的使用，r語言簡直是無法忍受，所以在r語言中為了提高速度，必要時候還得改用c 來實現。在r語言中要呼叫c 是通過rcpp這個包來實現的。所以要先安裝rcpp這個包咯！安裝完成...
r語言electricity資料集 R語言 資料集
第二章 建立資料集 1.r語言的資料型別 數值型 字元型 邏輯型 複數型 虛數 和原生型 位元組 2.資料結構 a.向量 儲存數值型 字元型和邏輯型資料的一維陣列 a c 1,2,3,4,5 建立 組合功能的函式c a 1 1 2 3 4 5 a c 1,4 訪問 方括號 向量中指定的元素 1 1 ...
R語言 理解R效能
通過了解限制r計算效能的因素，從而更好的利用起r的效能，影響r的因素 cpu,ram,磁碟i o,演算法。所以，當資料量小時，計算複雜度高，會受到cpu影響。資料量大時，會受到磁碟i o還有ram的影響。r是解釋型語句，即每次執行r程式的時候，r 需要重新解釋翻譯成機器 即使 不變。因為每次執行時，...