探索性数据分析（整理）

探索性数据分析（EDA），也称描述统计分析，是通过分析数据集已决定选择哪种方法适合统计推断的过程。
~工具包括图形表示和解释。
条形图：用于分类数据。
直方图、点图、茎叶图：观察数值型分布的形状。
箱线图：给出数值型分布的汇总数据，适用于不同分布的比较和拖尾、截尾分布的识别。
正态概率图：观察数据是否近似服从正态分布。
R中作图函数
散点图：plot(),添加趋势线abline().
矩式散点图：pairs(),同时考察三个或三个以上的数值变量间的关系
茎叶图：stem()
条形图：barplot(),作图前需对数据进行分组。main参数为图像添加标题，sub参数添加副标题,beside参数设置为FALSE时，图为分段式，否则为并列式，默认为FALSE。legend.text参数为添加图例说明。
直方图：hist（），将probability参数设置为T，可做频率直方图，默认为F。
箱线图：boxplot()，作图时默认为垂直型，将参数horizontal设置为T,则可做水平型。此图注重于勾勒统计的主要信息，便于对多个连续变量同时考察，或者对一个变量分组考察。
点带图：stripchart(),对于双变量的用法，stripchart(z~t),z变量在t变量上的分布情况，z变量在X轴上，t在Y轴上。
离群值探索
离群值常出现在具有测量误差的数据或总体厚尾分布的数据中。
离群值检验主要有箱线图检验、Grubbs检验，Dixon's Q检验。
1.箱线图检验：观测值距箱底Q1或顶线Q3过远，则可视为离群值。
boxplot.stats()可以返回箱线图的有关统计量，用法bosplot.stats(x,coef=1.5,do.conf=TRUE,do.out=TRUE)
其中$stats五个值为，箱线图下虚线，Q1，中位数，Q3，上虚线。$n返回样本量，$conf返回置信区间，默认是95的置信区间。$out返回离群值。
2.Grubbs检验：用来探索来自正态总体的单变量数据的离群值。
Grubbs检验在做检验前需要先检验数据的正态性。Grubbs检验每次只能检测一个离群值。
R中的outliers包专门做离群值检测。grubbs.test()可以警醒Grubbs检验，用法grubbs.test(x,type=10,opposite=FALSE,two.sided=FALSE),type表示检验类型，10表示检验一个离群值（默认值），11表示检验两个尾部上的两个离群值，20表示在一个尾部检验两个离群值。oppsite表示检验反方向的离群值，two.sided是否进行双边检验。
3.Dixon's Q检验
R中的outliers包里的dixon.test()用作Dixon's Q检验，用法dixon.test(x,type=0,oppsite=FALSE,two.sided=TRUE)，type：根据样本量大小选择不同类型，10（3_{7），11（8}10），21（11~13），22（14及以上）。
各种函数使用
cor():求相关系数
rank():求秩
attach(),detach()
均值、中位数、方差、标准差、五等分、分位数：mean(),median(),var(),sd(),fivenum(),summary()
cut():对数值数据分组。
table():将数据整理成频数表。
rug():此命令可将各个数据竖线描绘在x轴上。
density()：可以画密度函数线。
prop.table():prop.table(x,margin),当margin=1时，各个数据占行汇总数的比例，margin=2时，占列汇总数的总比例，省略时，表示占总和的比例。
apply():求边缘概率。
t():转置函数。
多维列联表：table(x,y,z)生成每个z值关于x,y的二维表