1.产生各种分布的伪随机数
R可以非常方便地产生我们所需要的各种随机数，当然这是伪随机数，并不是通过物理方法得出的随机数，但这已经可以满足我们做各种模拟试验的需要。
产生正态随机数函数rnorm（），这时默认均值等于0，标准差等于1，否则要在正态随机数函数中给出具体的均值、标准差。
类似的，runif（）、rexp（）、rchisq（）、rt（）、rf（）等随机数函数分别产生均匀分布、指数分布、卡方分布、t分布、F分布的随机数。
2.筛选出满足某种条件的数据
我们仍借助table1_1中的数据加以说明。
（1）如果想知道几个月后平均来看出生男婴的体重将超过10千克，代码如下：
（2）当然也可以借助sample（）函数得到同样的结果。
（3）借助sample（）函数随机抽取。(www.xing528.com)
注：sample（）函数在进行抽样时非常有用，基本格式为：sample（x，n，replace=FALSE，prob=NULL），默认等概率抽取。也可以利用prob向量设置每个元素被抽取到的概率。其中replace=FALSE即无重复抽样是默认的，如果进行重复抽样可以设置replace=TRUE，n是抽取样本的大小。
3.编辑函数
有时R提供的包不能满足需要，就需要自己编写函数，这在R学习与应用中非常重要。基本格式非常简洁：
function(arglist)expr
return(value)
其中，arglist为函数自变量，由一个或多个构成；expr为需要计算或分析的表达式，return（value）返回值。
实际操作中，需要给函数命名，表达式比较复杂时可以和返回值一起放在大括号内。下面以某地50个新生婴儿的体重为例，计算平均体重、中位数、极差、标准差、峰度、偏度。数据如下：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
