简单的汇总统计？并不真地。

任何类型的汇总统计？是的，但我猜这是一个比你想象的更难的问题（而且这些方法给出的答案没有你想要的那么可靠）。

为了帮助激发难度，请考虑以下直方图：

我相信看这个图，你会希望你的函数返回 2，因为似乎有两种清晰的模式。请注意，这是由 Rhist函数使用默认设置构建的直方图。

但是如果我们决定把直方图做得更精细一点呢？现在考虑我们是否想要在同一数据集上使用 20 个 bin 而不是 7 个。

现在也许你想让你的函数告诉你有 4 个峰值！100个箱子怎么样？

这么多峰！您可以看到，我们的直方图中的模式数量随我们选择的 bin 数量而变化很大（顺便说一句：这是来自四个非常不同的法线的模拟数据，每个分布有 100 个观察值。所以“真正的”答案是 4 个模式。这个也将被认为是一个简单的例子，因为分布是如此不同）。

虽然您可能认为这只是直方图如何工作的一个明显结果，但这是这些问题中非常标准的情况：您有某种平滑参数（在直方图上下文中，这将是 bin 的数量）并且随着您的不同您的平滑参数，您会得到完全不同数量的报告模式。通常，决定使用什么平滑参数值并非易事。

如果您仍然非常感兴趣，那么需要研究的两个主题可能是核密度估计和高斯混合建模。但请注意，您不应该期望能够可靠地估计总体中模式的真实数量！