从这1000个随机数中随机有放回的抽取500个作出直方图 （2）>A<- rnorm(1000,mean=100,sd=10) >sample(A,500,replace=TRUE)
或者sample(rnorm(1000,mean=100,sd=10),500) 结果随机执行//产生500个对应随机数 >hist(sample(A,500,replace=TRUE)) 结果随机执行//产生对应直方图
比较它们的样本均值和样本方差
（3）>mean(rnorm(1000,mean=100,sd=10)) [1] 100.0266
>var(rnorm(1000,mean=100,sd=10)) [1] 98.5499
>mean( sample(rnorm(1000,mean=100,sd=10),500)) [1] 99.9142
>var( sample(rnorm(1000,mean=100,sd=10),500)) [1] 106.2611
4、
模拟随机游动：从标准正态分布中产生1000个随机数，并用函数cumsum（）作出累积和，最后使用命令plot()作出随机游动示意图 >rnorm(1000,mean=0,sd=1)
//产生1000个标准正态分布随机数 cumsum(rnorm(1000,mean=0,sd=1)) //累积和
plot(cumsum(rnorm(1000,mean=0,sd=1))) //随机执行产生随机游动图
5、
从标准正态分布中随机产生100个随机数，由此数据求总体均值的95%的置信区间
t.test(rnorm(100,mean=0,sd=1))
//t.test(c(数据))专用于求出95%的置信区间 结果如下：
One Sample t-test
data: rnorm(100, mean = 0, sd = 1) t = 0.31167, df = 99, p-value = 0.7559
alternative hypothesis: true mean is not equal to 0 95 percent confidence interval: -0.1638460 0.2249099 sample estimates: mean of x 0.03053192
第四章：
1、模拟得到1000个参数为0.3的伯努利分布随机数，并用图示表示出来 > plot(rbinom(1000,1,0.3))
2、
用命令rnorm()命令产生1000个均值为10，方差为4的正态分布随机数，用直方图呈现数据分布并添加核密度曲线；
>x=rnorm(1000,mean=10,sd=2)%生成正态分布随机数
> hist(x,xlim=c(min(x),max(x)),probability=T,nclass=max(x)-min(x)+1,col='lightblue',main='Normal distribution,mean=10,sd=2')%绘制直方图
>lines(density(x,bw=1),col='red',lwd=3)%添加核密度曲线
7、
假定某校100名女生的血清总蛋白含量服从均值为75，标准差为3的分布，并假定数据由下面命令产生： >options(digits=4)
>x=rnorm(100,75,3)%生成随机数
计算样本均值，标准差，以及五数概括； > summary(x)%计算均值和五数
Min. 1st Qu. Median Mean 3rd Qu. Max. 65.7 72.4 74.2 74.7 76.7 82.3
> sd(x)%标准差 [1] 3.338
绘制出直方图，核密度估计曲线，和QQ图；
>hist(x,xlim=c(min(x),max(x)),probability=T,nclass=max(x)-min(x)+1,col='lightgreen',main='Normal distrubution,mean=75,sd=3')%绘制直方图
> lines(density(x,bw=1),col='red',lwd=3)%添加核密度曲线
>qqnorm(x,main=\> qqline(x,col='red')%绘制QQ图
> qqline(x,col='red')%绘制QQ图
根据数据绘制出茎叶图和框须图； > stem(x)%绘制茎叶图
The decimal point is at the | 68 | 344
70 | 16889937
72 | 0112233667902334556777789 74 | 0012244556688990023588 76 | 001223667779011234459 78 | 000255790158 80 | 2378906 82 | 20
> boxplot(x)%绘制框须图
8、
某校测得20名学生的4项指标：性别，年龄，身高，体重，具体数据如课本表4.1所示：
(1)、绘制体重对身高的散点图； >mydata<-read.delim(\
>plot(mydata$height~mydata$weight,xlab=\> lines(lowess(mydata$height,mydata$weight),lwd=2)
(2)、绘制不同性别下体重对身高的散点图； >mydata<-read.delim(\
> coplot(mydata$height~mydata$weight|mydata$性别,xlab=\\