包邮交通数据分析基础

目录
第1章 绪论 1
1.1 交通数据的类型和特征 1
1.1.1 交通数据的类型 1
1.1.2 交通数据的特征 5
1.2 数据分析与概率论的关系 6
1.2.1 什么是概率 6
1.2.2 数据分析的特殊性 7
1.3 数据的有偏性 7
1.3.1 有偏数据 7
1.3.2 因果关系与相关关系 8
1.3.3 数据的任意解释 9
1.4 R语言初阶 9
1.4.1 R语言和RStudio的
介绍 9
1.4.2 R软件和RStudio的
安装 10
1.4.3 包的安装及使用 10
1.4.4 如何使用帮助功能 11
1.5 R语言的使用入门 12
1.5.1 向量 12
1.5.2 矩阵 15
1.5.3 因子 18
1.5.4 数据框 19
1.5.5 列表 20
1.5.6 图形初阶 21
本章习题 24
第2章 交通数据的获取、导入及数据预处理 25
2.1 交通数据的形式和获取方式 25
2.1.1 抽样数据 25
2.1.2 大数据 26
2.2 外部数据的导入 27
2.2.1 文本文件的导入 27
2.2.2 Excel文件的导入 28
2.2.3 数据库文件的导入 28
2.2.4 统计软件输出文件的
导入 29
2.2.5 其他数据格式的导入 29
2.2.6 注意事项 30
2.3 数据预处理 30
2.3.1 查看数据框基本信息 31
2.3.2 数据转换 32
2.3.3 分组处理信息 40
2.3.4 缺失值、重复值、异常值的
处理 42
2.3.5 数据框的合并 45
本章习题 47
第3章 交通数据的描述 48
3.1 数据分类 48
3.1.1 数值型数据 48
3.1.2 类别型数据 49
3.1.3 数值型数据与类别型数据的
结合应用 49
3.2 数据的统计描述 50
3.2.1 数值型数据的
统计描述 50
3.2.2 类别型数据的
统计描述 53
3.3 数据的可视化描述 54
3.3.1 可视化的内涵 54
3.3.2 ggplot2包的介绍 55
3.3.3 条形图 56
3.3.4 直方图 60
3.3.5 密度曲线图 61
3.3.6 箱线图 63
3.3.7 散点图 65
本章习题 68
第4章 抽样分布 69
4.1 离散分布 69
4.1.1 伯努利分布 69
4.1.2 二项分布 69
4.1.3 负二项分布 71
4.1.4 泊松分布 71
4.1.5 超几何分布 73
4.2 连续分布 73
4.2.1 正态分布 73
4.2.2 对数正态分布 75
4.2.3 χ2分布 75
4.2.4 t分布 76
4.2.5 F分布 77
4.2.6 指数分布
（或负指数分布） 78
4.2.7 移位负指数分布 78
4.2.8 Gamma分布 78
4.2.9 Beta分布 79
4.2.10 韦布尔分布 80
4.2.11 Logistic分布 81
4.3 抽样分布的R语言实现 82
本章习题 83
第5章 交通数据的统计推断 84
5.1 参数估计 84
5.1.1 点估计 84
5.1.2 区间估计 90
5.2 假设检验 97
5.2.1 假设检验的基本思想和
概念 97
5.2.2 正态总体参数的假设
检验 100
5.3 正态性检验 105
5.3.1 Q-Q图 106
5.3.2 单样本Kolmogorov-Smirnov
检验 108
5.3.3 Shapiro-Wilk检验 109
5.4 非参数检验 110
5.4.1 Wilcoxon秩和检验 110
5.4.2 Friedman检验 111
5.4.3 Wald-Wolfowitz游程
检验 113
本章习题 115
第6章 方差分析 117
6.1 单因素方差分析 117
6.1.1 问题描述 117
6.1.2 方差分析的基本思想 119
6.1.3 案例 120
6.1.4 t检验与方差分析的
差异 121
6.2 双因素方差分析 123
6.2.1 基本原理 123
6.2.2 案例 126
本章习题 127
第7章 线性回归 129
7.1 一元线性回归 129
7.1.1 总体回归模型及其样本
模型 129
7.1.2 模型假定 130
7.1.3 参数估计 133
7.1.4 参数性质 135
7.1.5 模型的统计检验 137
7.1.6 一元线性回归模型的R语言
实现 138
7.2 多元线性回归 140
7.2.1 总体回归模型 140
7.2.2 模型假定 141
7.2.3 参数估计 143
7.2.4 参数性质 143
7.2.5 模型的统计检验 144
7.2.6 多元线性回归模型的R语言
实现 145
7.3 交互项 147
7.4 虚拟变量 148
7.5 异方差性 151
本章习题 152
第8章 Logit回归 153
8.1 线性回归模型的问题 153
8.2 随机效用模型 154
8.3 Logit模型 155
8.3.1 基本假设 155
8.3.2 公式推导 156
8.3.3 特例——
二元Logit模型 157
8.4 Logit模型的性质 158
8.4.1 边际效应 158
8.4.2 无关备选方案的
独立性 159
8.5 Logit模型的参数估计 159
8.6 不涉及与选项相关的变量的Logit模型的R语言实现 160
8.6.1 二元Logit回归 160
8.6.2 多元Logit回归 163
8.7 涉及与选项相关的变量的Logit模型的R语言实现 164
8.7.1 数据格式转换 164
8.7.2 Logit回归的
R语言实现 167
本章习题 169
附录A 170
DW检验临界值表 170
附录B 173
t检验临界值表（双侧检验用） 173
附录C 173
F检验临界值 173
附录D 179
标准正态分布表 179
附录E 181
χ2分布表 181