自选数据利用R语言完成基本统计分析：描述性统计分析（集中趋势，离散趋势，分布形状）、频数分析（分类变量：一维）列联分析（二维，三维：交叉频数（频率），边缘频数和频率，边缘频率及频数（和））、相关性分析（协方差、相关系数（两个变量，多个变量）及检验（两个变量，多个变量））、独立性检验（卡方检验，Fisher检验）t检验(独立样本、非独立样本)等。

好的，这是一个非常全面的问题，需要详细回答。以下是针对你提到的数据分析方法的简要介绍和示例代码：

1. 描述性统计分析

描述性统计分析可以用来描述数据的集中趋势、离散趋势和分布形状等。以下是一些基本的描述性统计分析方法和它们的R代码：

- 均值、中位数和众数：

# 生成一个随机向量
x <- rnorm(100)

# 计算均值、中位数和众数
mean(x)
median(x)
Mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}
Mode(x)

- 方差和标准差：

# 计算方差和标准差
var(x)
sd(x)

- 偏度和峰度：

# 计算偏度和峰度
library(moments)
skewness(x)
kurtosis(x)

2. 频数分析

频数分析可以用来分析分类变量的分布情况。以下是使用R进行频数分析的示例代码：

# 生成一个随机向量
x <- sample(letters[1:5], 100, replace = TRUE)

# 计算频数和频率
table(x)
prop.table(table(x))

3. 列联分析

列联分析可以用来分析两个或多个分类变量之间的关系。以下是使用R进行列联分析的示例代码：

- 二维列联表：

# 生成两个随机向量
x <- sample(letters[1:2], 100, replace = TRUE)
y <- sample(LETTERS[1:2], 100, replace = TRUE)

# 构建二维列联表
table(x, y)

# 计算边缘频数和频率
margin.table(table(x, y))
prop.table(table(x, y))

- 三维列联表：

# 生成三个随机向量
x <- sample(letters[1:2], 100, replace = TRUE)
y <- sample(LETTERS[1:2], 100, replace = TRUE)
z <- sample(1:2, 100, replace = TRUE)

# 构建三维列联表
table(x, y, z)

# 计算边缘频数和频率
margin.table(table(x, y, z))
prop.table(table(x, y, z))

4. 相关性分析

相关性分析可以用来分析两个或多个变量之间的关系。以下是使用R进行相关性分析的示例代码：

- 计算协方差和相关系数：

# 生成两个随机向量
x <- rnorm(100)
y <- rnorm(100)

# 计算协方差和相关系数
cov(x, y)
cor(x, y)

- 多个变量的相关性分析：

# 生成三个随机向量
x <- rnorm(100)
y <- rnorm(100)
z <- rnorm(100)

# 计算相关系数矩阵
cor(cbind(x, y, z))

- 相关系数的显著性检验：

# 生成两个随机向量
x <- rnorm(100)
y <- rnorm(100)

# 计算相关系数及其显著性
cor.test(x, y)

5. 独立性检验

独立性检验可以用来检验两个或多个变量之间的关系是否显著。以下是使用R进行独立性检验的示例代码：

- 卡方检验：

# 生成一个随机矩阵
x <- matrix(sample(1:10, 20, replace = TRUE), nrow = 4)

# 进行卡方检验
chisq.test(x)

- Fisher检验：

# 生成一个随机矩阵
x <- matrix(sample(1:10, 20, replace = TRUE), nrow = 4)

# 进行Fisher检验
fisher.test(x)

6. t检验

t检验可以用来检验两组数据之间的差异是否显著。以下是使用R进行t检验的示例代码：

- 独立样本t检验：

# 生成两个随机向量
x <- rnorm(100)
y <- rnorm(100)

# 进行独立样本t检验
t.test(x, y)

- 非独立样本t检验：

# 生成两个随机向量
x <- rnorm(100)
y <- x + rnorm(100, sd = 0.5)

# 进行非独立样本t检验
t.test(x, y, paired = TRUE)