內(nèi)容簡(jiǎn)介:　　本書主要基于統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)金融、生物醫(yī)學(xué)等專業(yè)人才培養(yǎng)的基本要求，結(jié)合作者多年的教學(xué)、科研經(jīng)驗(yàn)和研究案例，對(duì)R語(yǔ)言的浩瀚內(nèi)容進(jìn)行了有針對(duì)性的系統(tǒng)整理，較為全面地介紹了R軟件的使用．在此基礎(chǔ)上，對(duì)一些現(xiàn)代統(tǒng)計(jì)分析方法的理論及R軟件的實(shí)現(xiàn)進(jìn)行了系統(tǒng)闡述，力圖反映R語(yǔ)言新發(fā)展成果．內(nèi)容涵蓋了R基礎(chǔ)內(nèi)容、R數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)的輸入與輸出、數(shù)據(jù)管理與R編程、圖形管理、概率與抽樣分布、探索性數(shù)據(jù)分析、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析、回歸分析、生存分析、貝葉斯計(jì)算、時(shí)間序列分析，變量選擇、非參數(shù)回歸、缺失數(shù)據(jù)分析等．本書的主要特點(diǎn)是內(nèi)容系統(tǒng)全面、深入淺出、詳略得當(dāng)，讀者可以根據(jù)自己的需求學(xué)習(xí)相關(guān)的章節(jié)．
　　本書既可以作為數(shù)理統(tǒng)計(jì)、經(jīng)濟(jì)統(tǒng)計(jì)、經(jīng)濟(jì)金融、生物醫(yī)學(xué)等專業(yè)本科生、研究生的數(shù)據(jù)分析教材，也可以作為從事高級(jí)統(tǒng)計(jì)分析的研究人員和工程技術(shù)人員的參考用書．

目錄:第 1 章R 語(yǔ)言簡(jiǎn)介1
11 R 語(yǔ)言的特點(diǎn)1
12 R 語(yǔ)言運(yùn)行平臺(tái)1
121 工作目錄2
122 工作空間3
123 歷史命令4
124 幫助系統(tǒng)4
13 R 程序包的安裝使用7
131 R 軟件的下載與安裝7
132 程序包的安裝與加載7
133 與程序包有關(guān)的一些函數(shù)8
14 初識(shí)R 語(yǔ)言9
141 對(duì)象的命名9
142 對(duì)象的賦值9
143 一個(gè)實(shí)例10
第2 章R 數(shù)據(jù)結(jié)構(gòu)12
21 向量12
211 向量的建立與賦值12
212 向量的運(yùn)算13
213 向量的下標(biāo)運(yùn)算14
214 與向量有關(guān)的一些函數(shù)15
22 R 的數(shù)據(jù)結(jié)構(gòu)16
221 對(duì)象及屬性16
222 數(shù)據(jù)對(duì)象的類別17
223 與對(duì)象有關(guān)的一些函數(shù)17
23 向量問(wèn)題的擴(kuò)展18
231 字符型向量18
232 邏輯型向量20
IV R 語(yǔ)言與現(xiàn)代統(tǒng)計(jì)方法
233 復(fù)數(shù)型向量20
24 因子及其運(yùn)算21
241 因子的建立與賦值21
242 與因子運(yùn)算有關(guān)的一些函數(shù)23
25 數(shù)組與矩陣23
251 數(shù)組的建立23
252 矩陣的建立24
253 數(shù)組（矩陣）的下標(biāo)運(yùn)算25
254 數(shù)組（矩陣）的運(yùn)算25
255 矩陣的代數(shù)運(yùn)算26
256 與矩陣運(yùn)算有關(guān)的一些函數(shù)30
26 數(shù)據(jù)框31
261 數(shù)據(jù)框的建立31
262 數(shù)據(jù)框元素的引用32
263 數(shù)據(jù)框的編輯33
264 與數(shù)據(jù)框有關(guān)的一些函數(shù)35
27 列表35
271 列表的建立36
272 列表元素的引用36
273 列表元素的相關(guān)運(yùn)算37
274 不同數(shù)據(jù)結(jié)構(gòu)間的轉(zhuǎn)換38
第3 章數(shù)據(jù)的輸入與輸出40
31 數(shù)據(jù)的輸入40
311 利用鍵盤錄入數(shù)據(jù)40
312 讀取固定格式的文本文件40
313 讀取復(fù)雜格式的文本文件43
314 讀取其他格式的數(shù)據(jù)文件44
315 R 中數(shù)據(jù)集的讀取47
32 數(shù)據(jù)的輸出48
321 運(yùn)行結(jié)果的定向輸出48
322 數(shù)據(jù)的定向輸出50
323 圖形的定向輸出52
第4 章數(shù)據(jù)管理與R 編程53
41 缺失值問(wèn)題53
目錄V
411 缺失值的識(shí)別53
412 缺失值的處理54
42 日期值問(wèn)題55
43 變量的整理56
431 變量的重新編碼56
432 變量的重新命名59
44 數(shù)據(jù)的整理59
441 數(shù)據(jù)的合并59
442 數(shù)據(jù)的排序60
443 數(shù)據(jù)的匯總與重構(gòu)61
45 控制結(jié)構(gòu)63
451 循環(huán)結(jié)構(gòu)63
452 條件結(jié)構(gòu)65
46 定義自己的函數(shù)66
47 R 編程基礎(chǔ)68
第5 章R 圖形管理69
51 一個(gè)引例69
52 graphics 圖形系統(tǒng)簡(jiǎn)介70
521 繪圖函數(shù)概述71
522 圖形參數(shù)72
523 圖形設(shè)備74
53 基本圖形的繪制76
531 散點(diǎn)圖76
532 折線圖77
533 直方圖80
534 箱線圖84
535 條形圖88
536 餅形圖89
537 透視圖91
54 自定義圖形92
541 添加擬合曲線92
542 繪制多圖93
543 添加圖例和標(biāo)注94
544 添加多邊形及填充顏色95
VI R 語(yǔ)言與現(xiàn)代統(tǒng)計(jì)方法
55 lattice 繪圖系統(tǒng)96
551 lattice 包簡(jiǎn)介97
552 lattice 繪圖函數(shù)98
553 lattice 圖形的定制99
第6 章概率與抽樣分布 104
61 常用的概率分布104
611 離散分布的分布律104
612 連續(xù)分布的密度函數(shù)105
62 與分布相關(guān)函數(shù)的R 實(shí)現(xiàn)109
621 概率密度函數(shù)109
622 分布函數(shù)110
623 分位數(shù)函數(shù) 111
624 隨機(jī)數(shù)產(chǎn)生函數(shù) 111
63 隨機(jī)抽樣112
第7 章探索性數(shù)據(jù)分析114
71 常用描述統(tǒng)計(jì)量114
711 數(shù)據(jù)集中程度的描述114
712 數(shù)據(jù)離散程度的描述117
713 數(shù)據(jù)分布形狀的描述119
714 兩組樣本相關(guān)性分析120
72 圖形描述122
721 莖葉圖123
722 Q?Q 圖124
723 經(jīng)驗(yàn)分布函數(shù)圖124
第8 章參數(shù)估計(jì) 126
81 點(diǎn)估計(jì)126
811 矩估計(jì)126
812 極大似然估計(jì)129
82 區(qū)間估計(jì)133
821 區(qū)間估計(jì)的定義134
822 正態(tài)總體參數(shù)的區(qū)間估計(jì)134
823 比率p 的區(qū)間估計(jì)143
目錄VII
第9 章假設(shè)檢驗(yàn) 147
91 參數(shù)假設(shè)檢驗(yàn)147
911 單個(gè)正態(tài)總體的參數(shù)檢驗(yàn)148
912 兩個(gè)正態(tài)總體參數(shù)的檢驗(yàn)151
913 單總體比率的檢驗(yàn)156
914 兩個(gè)總體比率的檢驗(yàn)159
92 非參數(shù)假設(shè)檢驗(yàn)160
921 單個(gè)樣本的非參數(shù)檢驗(yàn)160
922 兩樣本的獨(dú)立性檢驗(yàn)165
923 兩樣本的非參數(shù)檢驗(yàn)168
924 多樣本的非參數(shù)檢驗(yàn)174
第10 章回歸分析  177
101 一元線性回歸177
1011 一元線性回歸模型177
1012 參數(shù)估計(jì)178
1013 回歸方程的顯著性檢驗(yàn)180
1014 預(yù)測(cè)182
102 多元線性回歸183
1021 回歸模型183
1022 估計(jì)184
1023 回歸模型的顯著性檢驗(yàn)184
1024 預(yù)測(cè)185
1025 自變量的選擇185
103 回歸診斷191
1031 高斯?馬爾科夫假定的診斷191
1032 多重共線性的診斷195
1033 異常值和影響點(diǎn)的診斷198
104 二分類Logistic 回歸204
1041 回歸模型204
1042 參數(shù)的估計(jì)205
1043 模型的預(yù)測(cè)206
1044 擬合優(yōu)度的測(cè)度206
第11 章方差分析 208
111 單因素方差分析209
VIII R 語(yǔ)言與現(xiàn)代統(tǒng)計(jì)方法
1111 單因素方差分析模型209
1112 單因素方差分析的R 實(shí)現(xiàn)211
1113 方差齊性檢驗(yàn)213
1114 多重比較213
112 雙因素方差分析214
1121 不考慮交互作用214
1122 考慮交互作用216
1123 雙因素方差分析的R 函數(shù)和實(shí)例分析218
113 方差分析在模型選擇中的應(yīng)用219
第12 章生存分析  221
121 R 程序包的載入及生存對(duì)象的建立222
122 非參數(shù)建模方法223
1221 KM 估計(jì)223
1222 生存曲線的比較226
123 參數(shù)建模方法227
124 半?yún)?shù)模型方法229
第13 章貝葉斯計(jì)算 233
131 貝葉斯統(tǒng)計(jì)推斷的基本概念233
1311 貝葉斯公式233
1312 參數(shù)估計(jì)234
1313 假設(shè)檢驗(yàn)234
1314 預(yù)測(cè)235
132 單參數(shù)模型235
1321 離散先驗(yàn)分布236
1322 貝塔先驗(yàn)分布237
1323 直方圖先驗(yàn)239
133 多參數(shù)模型241
1331 均值和方差均未知的正態(tài)模型241
1332 多項(xiàng)模型242
134 蒙特卡洛抽樣方法244
1341 拒絕抽樣245
1342 重要性抽樣248
135 馬爾可夫鏈?蒙特卡洛抽樣方法252
1351 馬爾可夫鏈252
目錄IX
1352 Metropolis-Hastings 算法255
1353 Gibbs 抽樣方法260
第14 章時(shí)間序列分析 266
141 時(shí)間序列的探索性分析266
1411 時(shí)間序列實(shí)例266
1412 傳統(tǒng)的分解方法272
142 時(shí)間序列的相關(guān)概念與簡(jiǎn)單時(shí)序模型274
1421 平穩(wěn)性274
1422 可逆性275
1423 自協(xié)方差函數(shù)和自相關(guān)函數(shù)275
1424 白噪聲模型276
1425 隨機(jī)游走277
143 自回歸移動(dòng)平均模型279
1431 AR 模型279
1432 MA 模型283
1433 ARMA 模型285
144 非平穩(wěn)時(shí)間序列模型295
1441 帶漂移的隨機(jī)游走過(guò)程295
1442 ARIMA 模型296
1443 單位根檢驗(yàn)296
145 季節(jié)模型299
1451 季節(jié)ARMA 模型299
1452 航空模型299
1453 乘法季節(jié)模型302
146 條件異方差模型307
1461 模型的結(jié)構(gòu)與模型的建立307
1462 ARCH 模型310
1463 GARCH 模型313
第15 章統(tǒng)計(jì)方法進(jìn)階317
151 非參數(shù)密度估計(jì)317
1511 直方圖法317
1512 核密度估計(jì)法320
1513 窗寬的選擇方法323
152 多重借補(bǔ)方法326
X R 語(yǔ)言與現(xiàn)代統(tǒng)計(jì)方法
153 Bootstrap 方法330
154 EM 算法333
155 變量選擇339
1551 嶺回歸339
1552 Lasso 方法342
1553 自適應(yīng)Lasso 方法346
1553 SCAD 方法347
附錄A 圖形用戶界面 349
A1 R Commander 349
A2 RStudio 353
A21 RStudio 的安裝353
A22 RStudio 界面介紹353
A23 嘗試使用RStudio356
附錄B 數(shù)據(jù)集 359