MatrixCQY
首页
数学笔记
代码笔记
金融笔记
GitHub
首页
数学笔记
代码笔记
金融笔记
GitHub
  • 代码笔记

    • 代码笔记
    • C++ 教程

      • C++ 基础教程
      • C++ 面向对象编程 (OOP)
      • C++ 标准模板库 (STL)
      • C++ 内存管理
      • C++ 文件操作
      • C++ Lambda 表达式
      • C++ 高级特性
    • 数据结构与算法

      • 数据结构与算法简介
      • 线性表 (Linear List)
      • 栈与队列 (Stack & Queue)
      • 哈希 (Hashing)
      • 树与图 (Tree & Graph)
      • 排序算法 (Sorting Algorithms)
      • 查找算法 (Searching Algorithms)
      • 动态规划 (Dynamic Programming)
      • 贪心算法 (Greedy Algorithms)
    • SQL 教程

      • SQL 基础教程
      • SQL 查询 (Queries)
      • SQL 连接 (Joins)
      • SQL 约束 (Constraints)
      • SQL 规范化 (Normalization)
      • 视图与存储过程
      • SQL 高级教程
    • R 语言教程

      • R 语言简介
      • R 数据结构
      • R 流程控制与函数
      • R 数据导入与导出
      • R 统计分析基础
      • R 绘图 (Plotting)
    • Pandas 教程

      • Pandas 简介
      • Series 与 DataFrame
      • Pandas 数据分析
      • Pandas 时间序列分析
      • Pandas 数据透视与可视化

R 统计分析基础

1. 描述性统计

  • summary(df): 最小值、最大值、中位数、均值等。
  • mean(), sd(), var(), cor().

2. 假设检验

  • T 检验: t.test(x, y)
  • 方差分析 (ANOVA): aov(formula, data)
  • 卡方检验: chisq.test(table)

3. 线性回归

model <- lm(y ~ x1 + x2, data = df)
summary(model)
  • R2R^2R2: 决定系数。
  • P-value: 显著性检验。

4. 逻辑回归

model <- glm(y ~ x, family = binomial, data = df)

推荐资源

  • Quick-R: Statistics
最近更新: 2026/2/15 04:15
Contributors: MatrixCQY
Prev
R 数据导入与导出
Next
R 绘图 (Plotting)