推荐答案
在 R 语言中，常用的统计函数包括：
描述性统计函数：
mean()：计算均值median()：计算中位数sd()：计算标准差var()：计算方差min()：计算最小值max()：计算最大值quantile()：计算分位数summary()：生成数据的统计摘要
分布函数：
dnorm()：正态分布的概率密度函数pnorm()：正态分布的累积分布函数qnorm()：正态分布的分位数函数rnorm()：生成正态分布的随机数dpois()：泊松分布的概率质量函数ppois()：泊松分布的累积分布函数qpois()：泊松分布的分位数函数rpois()：生成泊松分布的随机数
假设检验函数：
t.test()：进行 t 检验chisq.test()：进行卡方检验wilcox.test()：进行 Wilcoxon 秩和检验ks.test()：进行 Kolmogorov-Smirnov 检验
回归与相关分析函数：
lm()：线性回归模型glm()：广义线性模型cor()：计算相关系数cov()：计算协方差
数据操作与汇总函数：
table()：生成频数表aggregate()：按组汇总数据apply()：对矩阵或数组应用函数tapply()：按因子分组应用函数
本题详细解读
R 语言提供了丰富的统计函数，涵盖了从描述性统计到复杂模型分析的各个方面。以下是对这些函数的详细解读：
描述性统计函数：
mean()和median()分别用于计算数据的集中趋势，前者计算均值，后者计算中位数。sd()和var()用于衡量数据的离散程度，分别计算标准差和方差。min()和max()用于获取数据集中的最小值和最大值。quantile()用于计算数据的分位数，常用于分析数据的分布情况。summary()是一个多功能函数，可以生成数据的统计摘要，包括均值、中位数、四分位数等。
分布函数：
dnorm()、pnorm()、qnorm()和rnorm()是与正态分布相关的函数，分别用于计算概率密度、累积分布、分位数和生成随机数。dpois()、ppois()、qpois()和rpois()是与泊松分布相关的函数，功能与正态分布函数类似。
假设检验函数：
t.test()用于比较两组数据的均值是否存在显著差异。chisq.test()用于检验分类数据的独立性或拟合优度。wilcox.test()是一种非参数检验方法，用于比较两组数据的分布是否相同。ks.test()用于检验数据是否来自特定分布。
回归与相关分析函数：
lm()用于拟合线性回归模型，适用于连续型因变量。glm()是lm()的扩展，适用于广义线性模型，可以处理不同类型的因变量。cor()用于计算两个变量之间的相关系数，衡量它们的线性关系。cov()用于计算两个变量之间的协方差，衡量它们的共同变化程度。
数据操作与汇总函数：
table()用于生成频数表，适用于分类数据。aggregate()用于按组汇总数据，常用于分组计算统计量。apply()用于对矩阵或数组的行或列应用函数。tapply()用于按因子分组应用函数，适用于分组计算。