R语言求beta值 r语言计算公式

基本函数

R语言中有许多有趣好用的函数，在此记录下来方便以后查阅。

函数名称	注释
log(1:3)	对于base未指定，默认为自然对数，取以自然对数为底，分别为1,2,3的对数
print(“Hello World!”)	打印
print(“取绝对值：”)	打印
abs(x<–8)	取绝对值
log(x,base=2)	取对数
log(1:3)	对于base未指定，默认为自然对数，取以自然对数为底，分别为1,2,3的对数
exp(2)	自然对数e的2次方
sqrt(4)	开平方
choose(6,3)	C 6 3 概率中的古典概型
factorial(5)	返回5的阶乘
round(2.5)	返回2.5的近似 注意：返回值为2 当小数点后是5时，总是返回离他较近的整数
trunc(123.45)	截取x的整数部分
floor(-123.45)	返回-124 朝小于x的最近整数近似
ceiling(-123.45)	等于-123 朝大于x的最近整数近似
cos(120*pi/180)	R中使用的三角函数均为弧度，所以需转换
2/0	值为无穷大
4-Inf	关键字作为Inf可以参与计算
is.finite(x)	判断x是否为无穷
is.infinite(x)	NaN 无定义 NA缺失值
str(x)	通过此函数获得参数的属性及值
length(x)	通过此函数获得参数的长度
is.nan(x)	通过此函数获得参数是否是无定义类型
is.na(x)	通过此函数获得参数是否为缺失值
author<-c(“zmk”,”lbq”)
str(author)
y = c(1,2,3,4)
names(y) <- c(“a”,”b”,”c”,”d”)
seq( from = 4.5,to = 2.5 by = -0.5)	创建向量并指定步幅
seq( from = 4.5, to = 2.5,length.out = )	创建变量并指定向量长度 R自动计算步幅
z <- matrix(nrow = 3 ,ncol = 2)
z <- matrix(1:6,nrow = 3 ,ncol = 2)	指定向量排列方式
rep(c(0,7),length.out = 5)	重复变量 至五位后停止
N1 <- c(30:1)
N1[1:3]
N1[-3]
N1[-(1:2)]
N1.copy <- N1
N1[c(1,5,6)]<-c(1,2,3)
which(N1< N1.copy)

|

---

> source('C:/Users/Administrator/Desktop/基本函数.R', encoding = 'UTF-8', echo=TRUE)

> print("Hello World!")
[1] "Hello World!"

> print("取绝对值：")
[1] "取绝对值："

> abs(x<--8)    #取绝对值
[1] 8

> log(x,base=2)
[1] NaN

> log(1:3)      #对于base未指定，默认为自然对数，取以自然对数为底，分别为1,2,3的对数
[1] 0.0000000 0.6931472 1.0986123

> exp(2)        #自然对数e的2次方
[1] 7.389056

> sqrt(4)       #开平方
[1] 2

> choose(6,3)   #C 6 3  概率中的古典概型
[1] 20

> factorial(5)  #返回5的阶乘
[1] 120

> round(2.5)    #返回2.5的近似  注意：返回值为2  当小数点后是5时，总是返回离他较近的整数
[1] 2

> trunc(123.45) #截取x的整数部分
[1] 123

> floor(-123.45)#返回-124  朝小于x的最近整数近似
[1] -124

> ceiling(-123.45)#等于-123 朝大于x的最近整数近似
[1] -123

> cos(120*pi/180)#R中使用的三角函数均为弧度，所以需转换
[1] -0.5

> 2/0           #值为无穷大
[1] Inf

> 4-Inf         #关键字作为Inf可以参与计算
[1] -Inf

> is.finite(x)  #判断x是否为无穷   
[1] TRUE

> is.infinite(x)  #NaN 无定义  NA缺失值
[1] FALSE

> str(x)        #通过此函数获得参数的属性及值
 num -8

> length(x)     #通过此函数获得参数的长度
[1] 1

> is.nan(x)     #通过此函数获得参数是否是无定义类型
[1] FALSE

> is.na(x)      #通过此函数获得参数是否为缺失值
[1] FALSE

> author<-c("zmk","lbq")

> str(author)
 chr [1:2] "zmk" "lbq"

> y = c(1,2,3,4)

> names(y) <- c("a","b","c","d")

> seq(
+   from = 4.5,
+   to = 2.5,
+   by = -0.5
+ ) #创建向量并指定步幅
[1] 4.5 4.0 3.5 3.0 2.5

> seq(
+   from = 4.5,
+   to = 2.5,
+   length.out = 8
+ ) #创建变量并指定向量长度  R自动计算步幅
[1] 4.500000 4.214286 3.928571 3.642857 3.357143 3.071429 2.785714 2.500000

> z <- matrix(nrow = 3 ,ncol = 2) 

> z <- matrix(1:6,nrow = 3 ,ncol = 2)  #指定向量排列方式

> rep(c(0,7),length.out = 5) #重复变量 至五位后停止
[1] 0 7 0 7 0

> N1 <- c(30:1)

> N1[1:3]
[1] 30 29 28

> N1[-3]
 [1] 30 29 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10  9  8  7
[24]  6  5  4  3  2  1

> N1[-(1:2)]
 [1] 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10  9  8  7  6
[24]  5  4  3  2  1

> N1.copy <- N1

> N1[c(1,5,6)]<-c(1,2,3)

> which(N1<N1.copy)
[1] 1 5 6