Skip to content

Data Science › R Foundations › 統計函式速查

統計函式速查 (Statistical Functions in R) ​

已經懂統計概念、只是忘了 R 函式名稱或參數時查這頁。方法選擇與解讀見 Statistics 與 方法選擇速查;Python 對照見 scipy.stats 速查;迴歸模型見 R 解釋型建模。

機率分配:d / p / q / r ​

所有分配都遵守「前綴 + 分配名」的規則。

前綴意義問題常態例
d密度 / 機率質量P(X = x)(離散)或密度dnorm(0) → 0.399
p累積機率 (CDF)P(X ≤ q)pnorm(1.96) → 0.975
q分位數(CDF 反函數)哪個值使 P(X ≤ q) = pqnorm(0.975) → 1.96
r隨機抽樣產生模擬資料rnorm(5)
分配名稱參數生資常見用途
常態normmean, sdlog 表現量、z 分數
ttdf小樣本平均數 CI
χ² / Fchisq / fdf / df1, df2列聯表、ANOVA
二項binomsize, prob等位基因計數、成功次數
Poissonpoislambda讀數計數(無過度離散)
負二項nbinomsize(離散參數), muRNA-seq counts,見 計數模型
超幾何hyperm, n, k富集分析
均勻 / 指數 / Beta / Gammaunif / exp / beta / gamma模擬、先驗、等待時間
r
set.seed(42)                                   # 抽樣前固定 seed
pnorm(1.96, lower.tail = FALSE) * 2            # 雙尾 p ≈ 0.05
qt(0.975, df = 9)                              # 2.262   n=10 的 95% CI 臨界值
dbinom(3, size = 10, prob = 0.4)               # 0.215   恰好 3 次
pbinom(3, size = 10, prob = 0.4)               # 0.382   ≤ 3 次
rnbinom(5, size = 2, mu = 100)                 # 過度離散的計數

# 富集:20000 基因中 200 個在 pathway;50 個 DEG 中 5 個落在 pathway
phyper(5 - 1, m = 200, n = 20000 - 200, k = 50, lower.tail = FALSE)   # P(X ≥ 5)

lower.tail = FALSE 回傳 P(X > q)。離散分配要算 P(X ≥ k) 時傳入 k - 1。

描述統計 ​

r
x <- c(2, 5, 11, 11, 13, NA)

mean(x, na.rm = TRUE); median(x, na.rm = TRUE)   # base R 預設不移除 NA
sd(x, na.rm = TRUE); var(x, na.rm = TRUE)        # 分母 n − 1
IQR(x, na.rm = TRUE); mad(x, na.rm = TRUE)       # mad() 預設乘 1.4826(常態下 ≈ SD)
quantile(x, c(0.25, 0.5, 0.75), na.rm = TRUE)    # type = 7,與 numpy 預設相同
range(x, na.rm = TRUE); summary(x)               # summary 會列出 NA 個數
scale(x)                                         # z 分數(回傳 matrix)
table(g); prop.table(table(g))                   # 次數與比例
cor(df$x, df$y, method = "spearman", use = "complete.obs")   # pearson / spearman / kendall
cov(x, y)                                        # 單位相依,跨變數比較用 cor

檢定 ​

問題函式備註
一樣本 / 兩獨立樣本平均t.test(x, y)預設 Welch(var.equal = FALSE)
配對平均t.test(x, y, paired = TRUE)或 t.test(d),d = 差值
兩組中位數(非參數)wilcox.test(x, y)配對加 paired = TRUE
多組平均aov(y ~ g, data) → summary()事後檢定 TukeyHSD()
多組非參數kruskal.test(y ~ g, data)
列聯表獨立性chisq.test(table(a, b))期望值 < 5 改 fisher.test()
比例prop.test(x, n)、binom.test(x, n)
相關顯著性cor.test(x, y, method = "spearman")
常態性shapiro.test(x)、qqnorm(x); qqline(x)n 大時幾乎必拒絕,以圖為主
變異數同質bartlett.test()、car::leveneTest()
多重檢定校正p.adjust(p, method = "BH")"bonferroni"、"holm"、"BY"
r
res <- t.test(expr ~ group, data = df)          # formula 介面:數值 ~ 分組
res$p.value; res$conf.int; res$estimate         # 檢定結果是 list
broom::tidy(res)                                # 轉成一列 tibble,方便批次整理

# 對每個基因做檢定 → 校正
pvals <- apply(mat, 1, \(g) t.test(g[grp == "trt"], g[grp == "ctrl"])$p.value)
padj  <- p.adjust(pvals, method = "BH")

數千個基因逐一 t.test() 在小樣本下變異數估計不穩,實務上改用 limma / DESeq2 的 shrinkage 方法;見 多重檢定 與 統計檢定總覽。

常見錯誤 ​

錯誤對策
忘記 na.rm = TRUE,結果是 NA先 sum(is.na(x)) 確認缺值量
用 dnorm() 算累積機率累積機率用 pnorm()
glm() 忘記 family,變成普通線性迴歸logistic:family = binomial;計數:poisson / MASS::glm.nb()
用常態性檢定 p 值決定一切搭配 Q-Q plot,見 假設檢查
cor() 遇到 NA 回傳 NAuse = "complete.obs" 或 "pairwise.complete.obs"
相關當因果見 雙變數分析