外觀
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) = p | qnorm(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 | norm | mean, sd | log 表現量、z 分數 |
| t | t | df | 小樣本平均數 CI |
| χ² / F | chisq / f | df / df1, df2 | 列聯表、ANOVA |
| 二項 | binom | size, prob | 等位基因計數、成功次數 |
| Poisson | pois | lambda | 讀數計數(無過度離散) |
| 負二項 | nbinom | size(離散參數), mu | RNA-seq counts,見 計數模型 |
| 超幾何 | hyper | m, n, k | 富集分析 |
| 均勻 / 指數 / Beta / Gamma | unif / 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 NA | use = "complete.obs" 或 "pairwise.complete.obs" |
| 相關當因果 | 見 雙變數分析 |