包邮统计学——基于R(第5版)

目 录

第1章数据与R语言
1．1数据与统计学
1．1．1统计学与数据分析
1．1．2数据分析方法和工具
1．1．3数据及其来源
1．2 R语言的初步使用
1．2．1 R软件的下载与安装
1．2．2对象赋值与运行
1．2．3编写代码脚本
1．2．4查看帮助文件
1．2．5包的安装与加载
1．2．6数据读取和保存
习题

第2章 数据处理和绘图基础
2．1 R的数据类型及其操作
2．1．1 向量、矩阵和数组
2．1．2 数据框
2．1．3 因子和列表
2．2 数据抽样和筛选
2．2．1 数据抽样
2．2．2 数据筛选
2．2．3 生成随机数
2．3 数据类型的转换
2．3．1 变量转换成向量
2．3．2 数据框转换成矩阵
2．3．3 短格式转化成长格式
2．4 生成频数表
2．4．1 类别数据频数表
2．4．2 数值数据类别化
2．5 R语言绘图基础
2．5．1 基本绘图函数
2．5．2 图形控制和页面布局
2．5．3 图形配色
习题

第3章 数据可视化
3．1 类别数据可视化
3．1．1 条形图及其变种
3．1．2 饼图及其变种
3．2 数据分布可视化
3．2．1 直方图与核密度图
3．2．2 箱线图和小提琴图
3．2．3 茎叶图
3．3 变量间关系可视化
3．3．1 散点图
3．3．2 散点图矩阵和相关系数矩阵
3．3．3 3D散点图和气泡图
3．4 样本相似性可视化
3．4．1 轮廓图
3．4．2 雷达图
3．4．3 星图
3．5 时间序列可视化
3．5．1 折线图
3．5．2 面积图
3．6 可视化的注意事项
3．6．1 图形元素
3．6．2 坐标轴刻度起点
3．6．3 图形比例
3．6．4 3D图形
习题

第4章 数据的描述统计量
4．1 描述水平的统计量
4．1．1 平均数
4．1．2 分位数
4．1．3 众数
4．2 描述差异的统计量
4．2．1 极差和四分位差
4．2．2 方差和标准差
4．2．3 变异系数
4．3 描述分布形状的统计量
4．3．1 偏度系数
4．3．2 峰度系数
4．4 数据标准化
4．4．1 标准分数
4．4．2 极值标准化
4．5 数据的综合描述
4．5．1 几个常用的 R 函数
4．5．2 一个综合描述的例子
习题

第5章 随机变量的概率分布
5．1 什么是概率
5．2 随机变量的概率分布
5．2．1 随机变量及其概括性度量
5．2．2 随机变量的概率分布
5．2．3 其他几个重要的统计分布
5．3 样本统计量的概率分布
5．3．1 统计量及其分布
5．3．2 样本均值的抽样分布
5．3．3 样本方差的抽样分布
5．3．4 样本比例的抽样分布
5．3．5 统计量的标准误
习题

第 6章 参数估计
6．1 参数估计的原理
6．1．1 点估计与区间估计
6．1．2 评量估计量的标准
6．2 总体均值的区间估计
6．2．1 一个总体均值的估计
6．2．2 两个总体均值差的估计
6．3 总体比例的区间估计
6．3．1 一个总体比例的估计
6．3．2 两个总体比例差的估计
6．4 总体方差的区间估计
6．4．1 一个总体方差的估计
6．4．2 两个总体方差比的估计
习题

第7章 假设检验
7．1 假设检验的原理
7．1．1 提出假设
7．1．2 做出决策
7．1．3 表述结果
7．1．4 效应量
7．2 总体均值的检验
7．2．1 一个总体均值的检验
7．2．2 两个总体均值差的检验
7．3 总体比例的检验
7．3．1 一个总体比例的检验
7．3．2 两个总体比例差的检验
7．4 总体方差的检验
7．4．1 一个总体方差的检验
7．4．2 两个总体方差比的检验
7．5 正态性检验
7．5．1 正态概率图
7．5．2 Shapiro-Wilk检验和Kolmogorov-Smirnov检验
习题

第8章类别变量分析
8．1 一个类别变量的拟合优度检验
8．1．1 期望频数相等
8．1．2 期望频数不等
8．2 两个类别变量的独立性检验
8．2．1 列联表与 χ2独立性估计
8．2．2 应用χ2检验的注意事项
8．3 两个类别变量的相关性度量
8．3．1 φ系数和 Cramer’s V系数
8．3．2 列联系数
习题

第9章 方差分析
9．1 方差分析的原理
9．1．1 什么是方差分析
9．1．2 误差分解
9．2 单因子方差分析
9．2．1 数学模型
9．2．2 效应检验
9．2．3 效应量分析
9．2．4 多重比较
9．3 双因子方差分析
9．3．1 数学模型
9．3．2 主效应分析
9．3．3 交互效应分析
9．4 方差分析的假定及其检验
9．4．1 正态性检验
9．4．2 方差齐性检验
习题

第10章 一元线性回归
10．1 确定变量间的关系
10．1．1 变量间的关系
10．1．2 相关关系的描述
10．1．3 关系强度的度量
10．2 模型估计和检验
10．2．1 回归模型与回归方程
10．2．2 参数的*小二乘估计
10．2．3 模型的拟合优度
10．2．4 模型的显著性检验
10．3 利用回归方程进行预测
10．3．1 均值的置信区间
10．3．2 个别值的预测区间
10．4 回归模型的诊断
10．4．1 残差与残差图
10．4．2 检验模型假定
习题

第11章 多元线性回归
11．1 多元线性回归模型及其参数估计
11．1．1 回归模型与回归方程
11．1．2 参数的*小二乘估计
11．2 拟合优度和显著性检验
11．2．1 模型的拟合优度
11．2．2 模型的显著性检验
11．2．3 模型诊断
11．3 多重共线性及其处理
11．3．1 多重共线性及其识别
11．3．2 变量选择与逐步回归
11．4 相对重要性和模型比较
11．4．1自变量的相对重要性
11．4．2 模型比较
11．5 用回归方程进行预测
11．6 哑变量回归
11．6．1 在模型中引入哑变量
11．6．2 含有一个哑变量的回归
习题

第12章 时间序列分析和预测
12．1 时间序列的描述性分析
12．1．1 增长率分析
12．1．2 成分分解
12．1．3 随机成分平滑
12．2 预测方法的选择与评估
12．3 指数平滑预测
12．3．1 指数平滑模型的一般表达
12．3．2 简单指数平滑预测
12．3．3 Holt指数平滑预测
12．3．4 Winters指数平滑预测
12．4 趋势外推预测
12．4．1线性趋势预测
12．4．2 非线性趋势预测
习题
附录 自助法置信区间
A．1 自助法与传统方法的比较
A．1．1 传统参数推断的原理
A．1．2自助法参数推断的原理
A．1．3 自助法与传统方法的异同
A．2几种常见的自助法置信区间
A．2．1 正态近似法
A．2．2 百分位数法
A．2．3 偏差矫正百分位数法
A．2．4 百分位t法
A．3 自助法置信区间的应用
A．3．1 总体均值的自助法置信区间
A．3．2 总体方差的自助法置信区间
A．3．3 决定系数和回归系数的自助法置信区间
A．3．4 其他参数的自助法置信区间
A．3．5 一个实际例子的自助法应用
参考书目