R语言统计分析实战

第1篇 R语言基础 第1章 R语言快速入门 2 1.1 R语言简介 2 1.2 R语言的安装 4 1.3 R语言的包 10 1.4 R语言的帮助与资源 13 1.5 R语言的基本语法 17 第2章 常用R语言包 29 2.1 readr读取数据 29 2.2 dplyr与tidy包 32 2.3 lubridate包 41 2.4 stringr包 44 2.5 purrr包 48 2.6 数据可视化 64 2.7 data.table包 95 2.8 R语言小技巧 97 2.9 R语言小结 100 第2篇 R语言统计分析 第3章 统计方法 102 3.1 数据描述 104 3.2 统计函数 111 3.3 列联表分析 116 3.4 概率分布 118 3.5 蒙特卡洛 119 3.6 鲁棒统计方法 120 3.7 极值分析 124 第4章 统计机器学习 129 4.1 聚类模型 129 4.2 时间序列模型 139 4.3 决策树模型 143 4.4 随机森林模型 149 4.5 特征选择 154 4.6 boosting算法 162 4.7 支持向量机 167 4.8 元包 169 4.9 自动机器学习 188 第5章 假设检验 196 5.1 假设检验简介 196 5.2 相关性检验 198 5.3 统计量检验 205 5.4 随机性检验 213 5.5 方差检验 218 5.6 其他类型检验 224 第6章 贝叶斯统计 246 6.1 贝叶斯统计基础 247 6.2 Beta二项式贝叶斯模型 252 6.3 伽马泊松模型 255 6.4 双正态贝叶斯模型 256 6.5 后验逼近 259 6.6 rstanarm包 270 第3篇 R语言统计分析应用 第7章 商业统计分析 276 7.1 基本概念 276 7.2 基础A/B测试 283 7.3 用大样本设计A/B测试 305 7.4 A/B测试高级工具 309 7.5 小样本的A/B测试 314 第8章 营销统计分析 316 8.1 营销统计分析简介 316 8.2 行为序列 320 8.3 选择模型 341 第9章 信用评分模型开发 351 9.1 评分卡开发流程 351 9.2 数据获取与整合 354 9.3 探索性分析 355 9.5 粗分类与WOE变换 366 9.6 模型评估 367 9.7 评分卡开发 372 9.8 模型监控 374 9.9 scorecard 374 第4篇 可重复性探索和实践 第10章 可重复性研究 382 10.1 R Markdown文档创建 382 10.2 bookdown文档编写 393 第11章 Shiny数据可视化 397 11.1 Shiny基础 397 11.2 reactive()与isolate()函数 409 11.3 Shiny布局 413 11.4 Shiny拓展 424 11.5 如何制作一款成功的Shiny应用 441 11.6 小结 443