【正文】 z=sum (of y1y10)。 正確的表示方法 錯(cuò)誤的表示方法s um ( x, y, z ) s um ( x y z )s um ( of x1 x1 0) s um ( x1 x1 0)s um ( of x1 x1 0 d y1 y1 00 ) s um ( x1 x1 0 d y1 y1 00 )函數(shù)結(jié)果 通常函數(shù)的結(jié)果由其自變量的屬性決定： ? 自變量是字符時(shí)結(jié)果變量為字符； ? 自變量是數(shù)值時(shí)結(jié)果變量為數(shù)值 。 根據(jù)缺省規(guī)則，對(duì)大多數(shù)函數(shù)來說，數(shù)值目標(biāo)變量的長(zhǎng)度是 8， 字符目標(biāo)變量的長(zhǎng)度沒有缺省規(guī)則 。 用 PUT語句在 LOG窗口顯示 函數(shù)值 例 顯示概率值和分位數(shù) 。 Y=probnorm()。 q1=tinv(.95, 2)。 /*自由為 2， 非中心參數(shù)為 3的 t分布的 數(shù) */ put q1= q2=。 q1= q2= 日期時(shí)間函數(shù) ? SAS日期和時(shí)間存貯標(biāo)準(zhǔn)是以 1960年 1月 1日 0時(shí) 0分 0秒為起點(diǎn) ， 然后以相應(yīng)的間隔記時(shí) 。 1960年 1月 2日 0時(shí) 0分 ， 按日記的數(shù)值就是 1， 按小時(shí)記就是 24等 。 應(yīng)用舉例 例 計(jì)算兩個(gè)日期之間的天數(shù) 。 sdate=39。d。01jan202139。 actual=datdif(sdate, edate, 39。)。30/36039。 /*按每個(gè)月 30天計(jì)算 */ put actual= days360=。 data _null_。 days360=datdif(‘01jan2021’d, ‘01jan2021’d, ‘30/360’)。 run。 actual=365, days360=360. 例 以日為單位計(jì)算當(dāng)前日期的天數(shù) 。 x=date ()。 put x= y=。 例中 ， DATE()和 TODAY()結(jié)果一樣 ， 都是返回當(dāng)天的天數(shù) 。 data。 y=today()。 put x= y=。 結(jié)果顯示： x=17232 y=17232 結(jié)果顯示： x=20210307 y=20210307 例 計(jì)算日期值所在的年季月以及處于某月的第幾天 。 set (obs=10)。 year=year (date)。 month=month (date)。 proc print noobs。 Date year qtr month day 19910102 1991 1 1 2 19910103 1991 1 1 3 19910104 1991 1 1 4 19910105 1991 1 1 5 19910107 1991 1 1 7 19910108 1991 1 1 8 19910109 1991 1 1 9 19910110 1991 1 1 10 19910111 1991 1 1 11 19910112 1991 1 1 12 例 將日期時(shí)間值換算為以秒計(jì)數(shù)的計(jì)算方法 。 mdy=mdy (08,18,2021)。 format mdy yymmdd10.。 put hms=。 put x=。 put dhms=。 put dhms=。 put y=。 結(jié)果顯示： mdy=20210818 hms=78651 x=78651 dhms=1347832251 dhms=1318801851 y=1318801851 概率分布函數(shù) 標(biāo)準(zhǔn)正態(tài)分布 PROBNORM(X) 計(jì)算標(biāo)準(zhǔn)正態(tài)分布隨機(jī)變量小于 X的概率 。 data。 P2=probnorm()。 put P1= P2= P3=。 結(jié)果顯示： P1= P2= P3= 樣本統(tǒng)計(jì)函數(shù) 樣本統(tǒng)計(jì)函數(shù)在實(shí)際中的用處不是很大 ， 因?yàn)閼?yīng)用這些函數(shù)時(shí) ， 一定要把樣本的觀測(cè)數(shù)據(jù)放在同一行才可以 ， 現(xiàn)實(shí)中樣本的觀測(cè)數(shù)據(jù)卻往往是按一列一列排的 。 樣本統(tǒng)計(jì)量函數(shù)共有 15個(gè)。自變量中至少有一個(gè)非缺失值。要求有兩個(gè)以上自變量。要求至少有兩個(gè)自變量。由于隨機(jī)數(shù)函數(shù)是進(jìn)行隨機(jī)模擬的基礎(chǔ)，這里我們通過例子，給出每種隨機(jī)數(shù)發(fā)生程序，供讀者參考。 data RV。 /*retain 賦初值 0 給_seed_*/ mu=0。 do _i_ = 1 to 1000。 /*均值為 mu,標(biāo)準(zhǔn)差為 sigma*/ output。 drop _seed_ _i_ mu sigma。 Normal1 ?? 例 用函數(shù) NORMAL產(chǎn)生正態(tài)分布隨機(jī)數(shù) 。 retain _seed_ 0。 sigma=1。 normal1 = 0 + 1 * normal(_seed_)。 end。 run。 data RV1。 a=1。 do _i_ = 1 to 1000。 /*區(qū)間 [a, b]上的均勻分布 */ output。 drop _seed_ _i_。 例 用函數(shù) UNIFORM產(chǎn)生均勻分布隨機(jī)數(shù) 。 retain _seed_ 0。 b=2。 uniform1 = a + (b a) * uniform(_seed_)。 end。 run。自變量 SEED的取值和初始化類型如下表列出。所以，用隨機(jī)函數(shù)產(chǎn)生隨機(jī)數(shù)時(shí)，不能控制種子的值，因此也不可能控制初始化之后的隨機(jī)數(shù)。 SAS CALL 子程序 SAS系統(tǒng)提供一系列 CALL子程序，用于產(chǎn)生隨機(jī)數(shù)或執(zhí)行其它的系統(tǒng)功能，詳見表 ， 。 除 NORMAL和UNIFORM這兩個(gè)函數(shù)之外 ， 所有隨機(jī)數(shù)函數(shù)都有一個(gè)相應(yīng)的子程序 。 選項(xiàng)說明： 使用 CALL子程序時(shí) ， 首先要對(duì) SEED變量賦初值 。因?yàn)?，用隨機(jī)數(shù)函數(shù)同時(shí)創(chuàng)建的多個(gè)隨機(jī)數(shù)變量都屬于同一個(gè)隨機(jī)數(shù)流。 data RV。 do I=1 to 5。 x2= ranuni(seed2)。 end。 proc print。 例中， SEED1和 SEED2的初值相同，但 X1和 X2的第一個(gè)觀測(cè)值卻不相同。所以，這里產(chǎn)生的兩個(gè)隨機(jī)數(shù)變量屬于同一個(gè)隨機(jī)數(shù)流。 data RV。 do I=1 to 5。 call ranuni(seed4, X4)。 end。 run。 因?yàn)?SEED3=SEED1，所以 X3表示的隨機(jī)數(shù)流就是 X1和 X2組成的隨機(jī)數(shù)流 。 結(jié)果顯示： Obs seed3 seed4 I X3 X4 1 936674311 724196333 1 2 1393460745 1733883844 2 3 733112270 1202108019 3 4 917607517 674688435 4 5 928513130 1646762308 5