R软件及其环境流行病学应用-(附光盘)

**篇  r基础
第1章  绪论
  1.1  r的起源和发展
  1.2  r的功能和特点
  1.3  r软件的获取与安装
  1.4  r工作基本原理
  1.5  r在线帮助
  1.6  获取关于r和系统的信息
第2章  r的数据操作
  2.1  数的简单运算
  2.2  数学函数
  2.3  向量
  2.4  矩阵
  2.5  数组
  2.6  因子向量
  2.7  随机序列
第3章  对象和数据框
  3.1  对象的种类与属性
  3.2  改变对象的属性
  3.3  对象的使用
第4章  r数据的生成、导入和导出
  4.1  创建r数据集
  4.2  从文件读取数据
  4.3  从其他应用软件所产生的数据文件导入数据
  4.4  存储数据
  4.5  在r中显示数据
第5章  数据集的整理
  5.1  数据集的检查
  5.2  数据集的修改
  5.3  变量值的替换或取出数据子集
  5.4  向量和矩阵的合并与删除
第6章  r程序包
  6.1  r程序包的种类
  6.2  程序包的安装
  6.3  关于程序包操作的函数
  6.4  程序包及其帮助
第7章  r函数
  7.1  函数的调用与查询
  7.2  用户自定义函数
  7.3  几种特殊的函数
  7.4  泛型函数
第8章  r绘图
  8.1  管理绘图
  8.2  绘制图形
  8.3  绘图参数与绘图符号
  8.4  几种复杂图形的绘制
第9章  控制流
  9.1  if-条件语句
  9.2  ifelse()函数
  9.3  switch()函数
  9.4  for()语句
  9.5  while()语句
  9.6  repeat语句
第10章  r编程实践
  10.1  一个非线性模型的编程
  10.2  编写一个两独立样本，检验的r程序
  10.3  独立样本2×2差异性检验的自定义函数
  10.4  计算线性回归参数估计值的程序
  10.5  对三个不同种属的鸟绘图
  10.6  编写用newton-raphson迭代法求解非线性方程组的根的程序
  10.7  用递归函数计算积分的程序
  10.8  正态分布概率密度函数动画程序
  10.9  一个猜数字的小游戏
  10.10  程序的运行方式
    第二篇  常用统计方法
第11章  定量变量的描述性统计
  11.1  频数分布
  11.2  集中趋势
  11.3  离散趋势
  11.4  正态分布
  11.5  医学参考值的估计
第12章  分类变量的描述性统计
  12.1  常用的比例指标及其意义
  12.2  相对危险度与优势比
  12.3  率的标准化法
  12.4  动态数列
  12.5  比例指标应用时的注意事项
第13章  抽样误差、区间估计与假设检验
  13.1  均数的抽样误差
  13.2  均数的抽样误差的分布——t分布
  13.3  总体均数的可信区间估计
  13.4  方差的抽样误差与可信区间估计
  13.5  率的抽样误差与可信区间估计
  13.6  假设检验
第14章  x2检验
  14.1  x2分布
  14.2  拟合优度检验
  14.3  独立性检验
  14.4  趋势检验
  14.5  多个四格表的联合分析
  14.6  四格表的费歇尔精确概率检验
第15章  方差分析
  15.1  单向方差分析
  15.2  双向方差分析
第16章  二项分布与泊松分布
  16.1  二项分布的概念
  16.2  二项分布的性质
  16.3  二项分布的应用
  16.4  泊松分布的概念
  16.5  poisson分布的性质
  16.6  poisson分布的应用
第17章  生存时间资料的非参数分析方法
  17.1  生存时间资料的特点
  17.2  小样本生存率的kaplan-meier估计
  17.3  大样本生存率的寿命表法估计
  17.4  生存曲线比较的假设检验
第18章  回归与相关
  18.1  直线回归与相关
  18.2  多元线性回归与相关
第19章  logistic回归
  19.1  logistic回归的模型结构
  19.2  回归参数的估计及其假设检验
  19.3  回归参数的解释
  19.4  回归模型拟合情况的分析
  19.5  应用logistic回归时值得注意的几个问题
  19.6  匹配设计资料的logistic回归
第20章  cox比例风险模型
  20.1  模型结构与参数估计
  20.2  回归模型的应用
  20.3  风险函数和生存函数的估计
  20.4  比例风险假设的检验
  20.5  时依协变量
    第三篇  时间序列分析方法
第21章  时间序列的特点
  21.1  时间序列资料的组分
  21.2  时间序列的自相关性
  21.3  时间序列的平稳性概念
  21.4  几种基本的平稳时间序列模型
  21.5  时间序列平稳性检验
第22章  时间序列的经典分析方法
  22.1  经典组分分解法
  22.2  线性回归分析法
  22.3  调和季节模型(harmonic seasonal models)
  22.4  指数匀滑与holt-winters指数匀滑法
第23章  平稳时间序列分析
  23.1  差分算子和后向移位算子
  23.2  自回归模型
  23.3  移动平均模型
  23.4  自回归移动平均模型
  23.5  平稳时间序列模型的配合
第24章  非平稳时间序列分析
  24.1  非平稳时间序列的平稳化
  24.2  arima模型
  24.3  arima(p，d，g)模型的预报
第25章  季节非平稳时间序列模型
  25.1  单纯季节自回归求和移动平均模型
  25.2  复合性季节自回归求和移动平均模型
第26章  带输入变量的时间序列模型
  26.1  具有自相关残差的回归模型
  26.2  干预模型
  26.3  传递函数模型
第27章  广义加性模型
  27.1  广义加性模型的结构
  27.2  广义加性模型配合的例子
第28章  不良健康效应的经济损失分析
  28.1  健康效应模型
  28.2  经济损失的估计
附表1  标准正态分布曲线下的面积
附表2  t界值表
附表3  卡方界值表
附表4  f分布的上侧临界值表(供方差分析用)
附表5  野界值表
附表6-1  百分率的可信区间
附表6-2  百分率的可信区间
附表6-3  百分率的可信区间
附表7  poisson分布的可信区间
附表8  厂界值表(peal.son相关系数检验用)