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，以下是一些示例代码，来演示如何在R中对数据进行基本统计分析：

1. 描述性统计分析

- 集中趋势：

# 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)
library(modeest)
mlv(x)

- 离散趋势：

# 计算标准差、方差和四分位差
sd(x)
var(x)
IQR(x)

- 分布形状：

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

2. 频数分析

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

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

3. 列联分析

- 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

- 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

- 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

- 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)