一、均值
1.均值：mean(X)#计算所有元素的均值，包括矩阵、向量
2.行均值：apply(x,1,mean)
3.行均值：apply(x,2,mean)
注：如果x是数据框，则返回的就是向量
ex:mean(as.data.frame(x))
在做多元数据分析时，多元数据输入最好使用数据框的方式输入
4.在计算中某些数据是异常的，参数trim可以减少输入误差对计算的影响
ex:w.mean<-mean(w,trim=0.1)
0.1表示计算均值前需要去掉异常值的比例
5.有缺失值的时候无法计算均值，加上参数na.rm=TRUE可以计算有缺失值的均值
ex:w.mean<-mean(w.na,na.rm=TRUE);w.mean
6.加权向量
weight.mean(x,w,na.rm=TRUE)
x：数值向量
w:权值
二、顺序统计量
1.顺序排序
sort(x)
2.更广泛的功能
格式：sort(x,partial=NULL,na.last=NA,decreasing=FALSE,method=c("shell","quick"),index.return=FALSE)
partial:部分排序的指标向量
na.last：=NULL:不处理缺失数据；=FALSE缺失数据排在最后面；=TRUE缺失数据排在最前面
method:选择排序的方法。shell排序的复杂度为N的4/3次方，quick是快速排序
index.return:逻辑变量，TRUE为返回排序下标及排序结果，缺省为FASLE
decreasing:为TRUE时排序从大到小
三、中位数
中位数描述的是数据中心位置的数字特征，大体上比中位数或大或小的数据个数占整个数据的一半，对称分布的数据均值与中位数比较接近，偏态分布均值与中位数不同，中位数不受异常值的影响，具有稳健性
median(x，na.rm=TRUE):计算向量x的中位数,可处理有缺失值的数据
四：百分位数
quantile(x,probs=seq(0,1,0,25),na.rm=FASLE,names=TRUE,type=7,...)
probs：分位位置
五：方差、标准差、变异系数
变异系数是刻画数据相对分散性的一种度量记为CV=100*(s/x~)(%),x~为均值
方差：var(x)
标准差：sd(x)
协方差：cov(x)
相关矩阵：cor(x)
变异系数：cv=100*sd(x)/mean(x);cv
校正平方和：css=sum((w-mean(w))^2);css
未校正平方和：uss=sum(w^2);uss
样本极差：R=max(x)-min(x);R
样本标准误：sm=sd(x)/sqrt(length(x))
样本偏度系数：g1=n/((n-1)*(n-2))*sum((x-m)^3)/(sd(x))^3
样本峰度系数：g2=(n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4-(3*(n-1)^2)/((n-2)*(n-3))#s=sd(x)