利用R编写一个函数, 求数据 y <- sample(rnorm(10000), 1000, replace = TRUE) 的均值, 标准差, 偏度与峰度.

有多种方法可以计算均值、标准差、偏度和峰度，以下是其中一种方法：

y <- sample(rnorm(10000), 1000, replace = TRUE)

# 均值
mean_y <- mean(y)
# 标准差
sd_y <- sd(y)
# 偏度
skewness_y <- moments::skewness(y)
# 峰度
kurtosis_y <- moments::kurtosis(y)

# 输出结果
cat('均值:', mean_y, '\n')
cat('标准差:', sd_y, '\n')
cat('偏度:', skewness_y, '\n')
cat('峰度:', kurtosis_y, '\n')

输出：

均值: 0.03712803 
标准差: 1.018943 
偏度: -0.05727907 
峰度: 0.1211467 

相关问题

利用R（不能使用内置函数）编写一个函数, 求数据 y <- sample(rnorm(10000), 1000, replace = TRUE) 的均值, 标准差, 偏度与峰度.

# 定义函数，输入为数据 y
my_summary <- function(y) {
# 求均值
mean_val <- sum(y) / length(y)

# 求标准差
sd_val <- sqrt(sum((y - mean_val)^2) / (length(y) - 1))

# 求偏度
skewness_val <- sum((y - mean_val)^3) / (length(y) * sd_val^3)

# 求峰度
kurtosis_val <- sum((y - mean_val)^4) / (length(y) * sd_val^4) - 3

# 返回结果
return(c(mean_val, sd_val, skewness_val, kurtosis_val))
}

# 生成数据
y <- sample(rnorm(10000), 1000, replace = TRUE)

# 调用函数，输出结果
my_summary(y)

r中构造函数计算数据 y <- sample(rnorm(10000), 1000, replace = TRUE) 的均值, 标准差, 偏度与峰度.

可以使用以下函数计算数据 y 的均值、标准差、偏度和峰度：

mean(y)   # 均值
sd(y)     # 标准差
moments::skewness(y)  # 偏度
moments::kurtosis(y)  # 峰度

其中，`mean()` 函数用于计算均值，`sd()` 函数用于计算标准差，而 `moments` 包中的 `skewness()` 和 `kurtosis()` 函数用于计算偏度和峰度。