最近一段时间，也就一周左右学习《深入浅出统计学》这本书的１—3章基础概念知识，光学理论没实践感觉还是缺了点啥，于是在谷歌上查了一下R编程语言和统计概率相关的内容，动手实践了一下用R编程语言来求一些统计量，比如均值，中位数，方差等，发现有了编程这个工具，用机器计算比人工用大脑，计算器计算快很多，不仅节约时间而且很准确。

产生的一个感悟是R语言其实充当的是在统计概率中，人工计算步骤中的翻译，就好像你讲中文但是需要和外国人交流，那么就需要一个会懂英语的人帮你把中文意思翻译成英文意思。在这个过程中需要培养的是自己的理解能力，即用R编程语言来理解用统计概率知识解决问题的能力。也就是换一种表达方式，用Ｒ语言来表达统计概率。

下面是我用Ｒ编程语言简单实践求“ｍｔｃａｒ”中“ｈｐ”变量的一些基本统计量！

＃下面显示“ｍｔｃａｒ”中有11个变量，我选取的求其中的“ｈｐ”变量的各个统计量

> str(mtcars)

'data.frame':  32 obs. of  11 variables:

$ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...

$ cyl : num  6 6 4 6 8 6 8 4 4 6 ...

$ disp: num  160 160 108 258 360 ...

$ hp  : num  110 110 93 110 175 105 245 62 95 123 ...

$ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...

$ wt  : num  2.62 2.88 2.32 3.21 3.44 ...

$ qsec: num  16.5 17 18.6 19.4 17 ...

$ vs  : num  0 0 1 1 0 1 0 1 1 1 ...

$ am  : num  1 1 1 0 0 0 0 0 0 0 ...

$ gear: num  4 4 4 3 3 3 3 4 4 4 ...

$ carb: num  4 4 1 1 2 1 4 2 2 4 ...

＃求均值

> mean(mtcars$hp)

[1] 146.6875

＃求中位数

> median(mtcars$hp)

[1] 123

＃求方差

> var(mtcars$hp)

[1] 4700.867

＃求标准差

> sd(mtcars$hp)

[1] 68.56287

＃求最大值

> max(mtcars$hp)

[1] 335

＃求最小值

> min(mtcars$hp)

[1] 52

＃求四分位数

> quantile(mtcars$hp,0.25)

25%

96.5

＃求上下四分位数

> quantile(mtcars$hp, c(0.25,0.75))

25%  75%

96.5 180.0

对比一下，如果自己手算加上计算器算吧，假设计算“ｈｐ”变量的均值，则需要将110 110 93 110 175 105 245 62 95 123 ...这些数全部加起来算个总和，再除以总共有多少个数，是不是很费时间，要是计算器不小心按错一个数就全错了，那不前功尽弃，所以还是挺麻烦的。但是用Ｒ语言，直接敲上下面的代码，秒秒钟就算出来了，这感觉难道不酸爽么？嘿嘿！

＃求均值

> mean(mtcars$hp)

[1] 146.6875

感觉又发现了一个新世界——编程语言的世界很奇妙！