r语言生物统计.docx

1、r语言生物统计R语言概述 R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R是S语言的一种实现。S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的Robert Gentleman 和 Ross Ihaka 及其他志愿人员开发了一个R系统。R的使用与S-PLUS有很多类似之处，两个软件有一定的兼容性。S-PLUS的使用手册，只要经过不多的修改就能成为R的使用手册

2、。所以有人说：R，是S-PLUS的一个“克隆”。但是请不要忘了：R is free。 R是一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；数组运算工具（其向量、矩阵运算方面功能尤其强大）；完整连贯的统计分析工具；优秀的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输入，可实现分支、循环，用户可自定义功能。 与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行

3、数据分析，甚至创造出符合需要的新的统计计算方法。 R是一个免费的自由软件，它有UNIX、LINUX、MacOS和WINDOWS版本，都是可以免费下载和使用的。R的主要是www.r-project.org。在那儿可以下载到R的安装程序、各种外挂程序和文档。在R的安装程序中只包含了8个基础模块，其他外在模块可以通过CRAN获得（cran.r-project.org）。 以下简述R FOR WINDOWS的安装和使用： 在网址：cran.r-project.org 下可以找到R的各个版本的安装程序和源代码。点击进入：Windows (95 and later)，再点击：base，下载SetupR.e

4、xe，约18兆，此便是R FOR WINDOWS的安装程序。双击SetupR.exe，按照提示一步步安装即可。 安装完成后，程序会创建R程序组并在桌面上创建R主程序的快捷方式（也可以在安装过程中选择不要创建）。通过快捷方式运行R，便可调出R的主窗口（如下图 1-1）。 类似于许多以编程方式为主要工作方式的软件，R的界面简单而朴素，只有不多的几个菜单和快捷按钮。快捷按钮下面的窗口便是命令输入窗口，它也是部分运算结果的输出窗口，有些运算结果则会输出在新建的窗口中。 主窗口上方的一些文字是刚运行R时出现的一些说明和指引。文字下的： 符号便是R的命令提示符，在其后可输出命令；后的矩形是光标。R一般是采

5、用交互方式工作的，在命令提示符后输入命令，回车后便会输出结果。第一节数据的输入注：在R中，大小写是敏感的，即大小写是不同的。 一、变量数据直接输入 1、数值变量 如果有一个变量，变量名为x，其数据如下：12，15，46，23，15。命令语句如下： xx 其中：x为变量名；为赋值符；c()为向量建立函数，表示把括号中的数据建立为一个向量。 以上命令语句建立了一个数值变量x。2、字符变量 字符变量的建立与数值变量一致。字符串使用引号（单、双均可），如：yy将建立字符变量y。3、逻辑变量 逻辑变量中的元素是：TRUE(或简写为T)、FALSE(F)、NA(表示缺省)。请注意必须都是大写。 逻辑变量可

6、以直接输入，如：z-c(TRUE,FALSE,F,T,NA)可建立逻辑变量z。 1可以表示T，0可以表示F。所以可以直接写成：zxx 1123456789102）利用seq函数 产生有规律的数列的更一般方法是采用seq函数，它的一般用法是：seq（下界，上界，间距），如：x=seq(1,10,0.5)x 11.01.52.02.53.03.54.04.55.05.56.06.57.07.58.08.59.09.510.0 3）利用rep函数 rep函数重复第一个变量若干次yy111111 二、建立数据集 在上面，我们建立起了三个变量：x，y，z。如果要建立起一个三变量的数据集，即含有x、y、z

7、的二维表，则可使用data.frame()函数。当然，在这种情况下，要求变量的长度是一样的。 ddtest 便把数据集读入，并命名为test。注：文件的后缀不必一定要.txt，关键文件要为纯文本，里面不能有特殊格式符。如果数据文件中没有第一列记录序号，如：Price Floor Area Rooms Age Cent.heat 52.00 111.0 830 5 6.2 no 54.75 128.0 710 5 7.5 no 57.50 101.0 1000 5 4.2 no 57.50 131.0 690 6 8.8 no 59.75 93.0 900 5 1.9 yes 则命令语句为： r

8、ead.table(“c:/test.txt”, header=TRUE)-test 系统根据每个变量第一个值的类型，自动识别变量类型，如以上数据集中，除最后一个“Cent.hear”是字符变量，其他均为数值变量。 2、 读入其他格式的数据库 要读入其他格式数据库，必须先安装“foreign”模块。它不属于R的8个在模块，需要在使用前安装。 安装方法很简便，只需键入命令： library(foreign) 即可。 四、向量运算 1、加减乘除 对向量进行加减乘除运算，其含义是对向量的每一个元素进行运算： 例： x y y 1 3 6 9 10 12 向量之间的运算，则是对应元素之间的运算。 例：

9、 x y z z 1 4 10 16 18 222、添加数据与替换数据 添加函数的句法是：append(向量，添加部分，after=起点)。 例： x x 1 1 3 5 7 9 11 13 15 append(x,20:30,after=4) 1 1 3 5 7 20 21 22 23 24 25 26 27 28 29 30 9 11 13 15 如果after参数缺省，则默认在向量的最后插入。 x append(x,20:30) 1 1 3 5 7 9 11 13 15 20 21 22 23 24 25 26 27 28 29 30 替换数据的句法是：replace（向量，替换位置，替

10、换值）。 例： x replace(x,c(1,4,7),-1) 1 -1 3 5 -1 9 11 -1 15 第二节 统计描述一、数值变量的统计描述 在R中没有一个直接的统计描述命令，可以把常见的指标都一起算出来。如概述中所说，R往往是提供一些比较基础的统计命令，需要使用者自己编程组合。 1、和：sum（x），积：prod（） 例： x sum(x) （求x的和） 1 60。 prod(x) 1 48384 2、算术均数：mean(x) 例： x mean(x) （求x的算术平均数） 将输出x的均数15。 但是，算术平均数有一个缺点就是对outlier非常敏感，如果少数几个值非常大，那么整个

11、算术平均数也随之增加。因此，为了避免这种情况，可以使用trimmed mean也就是说，先对最大和最小的数剔除了（一般会按照百分比剔除，比如剔除最大和最小的a的个案剔除出去），然后再计算算术平均值。mean命令也可以计算trimmd mean，只要增加一个trim参数就可以了。 c(1,2,3,4,5,6,7,8,9,12,1,31,4,15,16,17)-z1 mean(z1) 1 8.8125 mean(z1,trim=0.1) （剔除最大和最小10%的数据） 1 7.785714 有时候，计算mean时的权重希望不是一样的，那么可以使用weighted.mean命令计算。比如在评委评分的

12、时候，可能资深评委的评委更重要，给予他们更大的权重就是这种情况。比如有五位评委，他们的某一次评分分别是2，3，4，5，4，而他们的权重是0.1，0.2，0.2，0.3，0.6那么可以使用以下的命令求出加权平均数。 weighted.mean(x=c(2,3,4,5,4),w=c(0.1,0.2,0.2,0.3,0.6) 13.9285713、中位数：median(x) 例： y median(y) 将输出中位数12.5 4、极差：max(x)-min(x) 例： y y=max(y)-min(y) 将输出结果7。 还有一个命令是range命令，他同时返回最大值和最小值。 y range(y)

13、1 10 17 5、样本方差：var(x) 例： x var(x) 将输出结果4.4。 6、样本标准差：sd(x) 例： x sd(x) 将输出结果2.097618。 请注意都是“样本”。 7、变异系数：(sd(x)/mean(x)*100 8、四分位差：IQR（x） x IQR(x) 输出结果 2.5。 注：四分位差表示的，是75分位值和25分位值的差 通过以上命令和程序，可以求出想要的描述指标。 二、正态性检验与方差齐次性检验 1正态性检验 可采用Shapiro-Wilk检验。程序如下： x shapiro.test(x) 输出结果如下： Shapiro-Wilk normality te

14、stdata: x W = 0.9513, p-value = 0.68432方差齐次性分析 例： y x var.test(x,y) 结果如下： F test to compare two variances data: x and y F = 0.097, num df = 9, denom df = 5, p-value = 0.003206 alternative hypothesis: true ratio of variances is not equal to 1 95 percent confidence interval: 0.01451680 0.43493188 samp

15、le estimates: ratio of variances 0.0969875 第三节 t检验 一、样本均数与总体均数的假设检验 例：随机抽测了10只兔的直肠温度，其数据为：38.7、39.0、38.9、39.6、39.1、39.8、38.5、39.7、39.2、38.4（），已知该品种兔直肠温度的总体平均数0=39.5（），试检验该样本平均温度与0是否存在显著差异？ R程序如下： x t.test(x,mu=39.5,alternative=two.sided,conf.level=0.95) 注：以上程序中，x为数据变量；mu=39.5为总体均数；alternative=“two.s

16、ided”表示行双侧检验，如果alternative=“less”，为12的单侧检验；conf.level=0.95指检验水准为0.05。 输出结果如下： One Sample t-test data: x t = -2.641, df = 9, p-value = 0.02687 alternative hypothesis: true mean is not equal to 39.5 95 percent confidence interval: 38.73882 39.44118 sample estimates: mean of x 39.09 输出假设检验结果、备择假设、总体均数9

17、5可信区间和样本均数。从结果中可以看出，t=-2.641，自由度为9，样本均数95%的可信区间为38.73882，39.44118，假设检验的概率为0.02687，因此，0.01Px y t.test(x,y,alternative=two.sided,paired=TRUE, conf.level=0.95) 结果如下： Paired t-test data: x and y t = 4.1334, df = 10, p-value = 0.002033 alternative hypothesis: true difference in means is not equal to 0 95

18、 percent confidence interval:（注：95%置信度样本差值的可信区间） 0.850649 2.840260 sample estimates: mean of the differences 1.845455 结果大家可以自己分析。 例2：某猪场从10窝大白猪的仔猪中，每窝抽出性别相同、体重接近的仔猪2头，将每窝两头仔猪随机地分配到两个饲料组，进行饲料对比试验，试验时间30天，增重结果见下表。试检验两种饲料喂饲的仔猪平均增重差异是否显著？ 窝号 1 2 3 4 5 6 7 8 9 10 饲料 10.0 11.2 12.1 10.5 11.1 9.8 10.8 12.5

19、 12.0 9.9 饲料 9.5 10.5 11.8 9.5 12.0 8.8 9.7 11.2 11.0 9.0 R程序如下： xy t.test(x,y,alternative=two.sided,paired=TRUE,conf.level=0.95) 结果如下： Paired t-test data: x and y t = 3.4553, df = 9, p-value = 0.007214 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval

20、: 0.2382603 1.1417397 sample estimates: mean of the differences 0.69 三、两个样本的T检验 例1：分别测定了10只大耳白家兔、11只青紫蓝家兔在停食18小时后正常血糖值如下，问该两个品种家兔的正常血糖值是否有显著差异？（单位：kg） 大耳白 57 120 101 137 119 117 104 73 53 68 青紫蓝 89 36 82 50 39 32 57 82 96 31 88 R程序如下： x y var.test(x,y) F test to compare two variances data: x and y F

21、 = 1.3454, num df = 9, denom df = 10, p-value = 0.6479 alternative hypothesis: true ratio of variances is not equal to 1 95 percent confidence interval: 0.3560266 5.3330292 sample estimates: ratio of variances 1.345411 从结果中可以看出，方差可以认为是同质的。 t.test(x,y,alternative=two.sided,paired=FALSE,var.equal=TRUE

22、,conf.level=0.95) Two Sample t-test data: x and y t = 2.7179, df = 19, p-value = 0.01365 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: 7.564314 58.235686 sample estimates: mean of x mean of y 94.962.0 例2：有人曾对公雏鸡作了性激素效应试验。将22只公雏鸡完全随机地分为两组，每组11只。一组接

23、受性激素A（睾丸激素）处理；另一组接受激素C（雄甾烯醇酮）处理。在第15天取它们的鸡冠个别称重，所得数据如下： 激素 鸡冠重量（mg）A 57 120 101 137 119 117 104 73 53 68 118 C 89 30 82 50 39 22 57 32 96 31 88 R程序如下： x y var.test(x,y) F test to compare two variances data: x and y F = 1.0934, num df = 10, denom df = 10, p-value = 0.8904 alternative hypothesis: true ratio of variances is not equal to 1 95 percent confidence interval: 0.2941901 4.0641018 sample estimates: ratio of vari