在進行任何多變量分析之前，先把多變量資料視覺化非常重要。接下來幾個練習中，你會探索其中一部分繪圖函式，並評估這些作圖技巧的優點與限制。
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Scatter plot matrix using the base R plot function pairs(___)
在這段多變量資料的入門內容中，你會學到如何讀取並摘要資料。你將使用描述統計（例如平均向量、變異數—共變異數矩陣與相關矩陣）來摘要多變量資料。之後你會探索各種繪圖技巧，從中獲得對多變量資料的洞察。
當前練習
本章將介紹最重要且最常用的多變量機率分配——多變量常態分配。你會學到如何從多變量常態分配產生隨機樣本，以及如何在此分配下計算並繪製機率密度與機率。你也會學到如何檢驗一個資料集是否符合多變量常態性。
本章將介紹一系列可用來建模非常態資料的機率分配。特別是，你會認識多變量 t 分配，它能刻畫較厚的尾部，並且是單變量 Student t 分配的推廣。你也會接觸各種偏態分配，這些分配專為刻畫右偏或左偏的資料而設計。
在最後一章，你會學到分析高維資料的技巧，包括主成分分析（PCA）與多維尺度法（MDS）。你也會透過資料分析實作這些技巧。