數據分析與R軟件

總序
前言

第1章 探索性數據分析
1．1 數字特征
1．1．1 一維數據的數字特征
1．1．2 一維總體的數字特征
1．1．3 多元數據的數字特征
1．1．4 多元總體的數字特征
1．2 數據的分布
1．2．1 頻數(頻率)分布表與直方圖
1．2．2 莖葉圖、五數總括、箱線圖
1．2．3 經驗分布、QQ圖及分布擬合檢驗
1．3 多元數據的圖示
1．3．1 輪廓圖
1．3．2 蛛網圖
1．3．3 調和曲線圖
習題1

第2章 非參數統計
2．1 單樣本問題
2．1．1 符號檢驗
2．1．2 趨勢檢驗
2．1．3 游程檢驗
2．1．4 對稱中心的檢驗
2．2 兩樣本問題
2．2．1 獨立樣本位置參數的檢驗
2．2．2 獨立樣本刻度參數的檢驗
2．2．3 配對樣本位置參數的檢驗
2．3 多樣本問題
2．3．1 多個獨立樣本的檢驗
2．3．2 多個相關樣本的檢驗
2．4 秩相關分析
2．4．1 Spearman秩相關系數
2．4．2 Kendall T秩相關系數
2．5 二維列聯表
2．5．1 Pearson X2獨立性檢驗
2．5．2 Fisher精確檢驗
習題2

第3章 回歸分析
3．1 多元線性回歸分析
3．1．1 多元線性回歸模型
3．1．2 參數估計
3．1．3 回歸模型的檢驗
3．1．4 回歸診斷
3．2 自變量的選擇與逐步回歸
3．2．1 窮舉法
3．2．2 逐步回歸法
3．3 非線性回歸模型
3．3．1 內在線性回歸模型
3．3．2 內在非線性回歸模型
3．4 Logistic回歸模型
3．4．1 線性Logistic回歸模型
3．4．2 參數的最大似然估計
習題3

第4章 主成分分析
4．1 總體主成分
4．1．1 總體主成分定義
4．1．2 總體主成分求法
4．1．3 總體主成分的性質
4．1．4 標准化變量的主成分
4．2 樣本主成分
習題4

第5章 因子分析
5．1 因子分析模型
5．2 參數的統計意義及估計方法
5．2．1 參數的統計意義
5．2．2 因子載荷矩陣的估計
5．3 樣本數據的因子分析
5．4 因子旋轉
5．5 因子得分
5．5．1 加權最小二乘法
5．5．2 回歸法
習題5

第6章 聚類分析
6．1 聚類分析的基本思想
6．2 聚類統計量
6．2．1 Q型聚類統計量——距離
6．2．2 R型聚類統計量——相似系數
6．3 系統聚類法
6．4 快速聚類法
6．4．1 凝聚點的選擇
6．4．2 計算步驟
習題6

第7章 判別分析
7．1 距離判別
7．1．1 兩個總體距離判別
7．1．2 多個總體距離判別
7．2 Bayes判別
7．2．1 兩個總體Bayes判別
7．2．2 多個總體Bayes判別
7．3 Fisller判別
7．3．1 Fisher判別的基本思想
7．3．2 線性判別函數的求法
7．3．3 Fisher判別准則
7．4 逐步判別
7．4．1 逐步判別的基本思想
7．4．2 逐步判別的步驟
7．5 判別法則的評價
習題7

第8章 相關分析
8．1 相關系數的估計和檢驗
8．2 偏相關與復相關系數
8．2．1 偏相關系數
8．2．2 復相關系數
8．3 典型相關分析
8．3．1 典型相關分析的基本思想
8．3．2 總體的典型相關分析
8．3．3 樣本典型相關分析
8．3．4 典型相關系數的顯著性檢驗
習題8

第9章 R軟件的使用
9．1 R軟件簡介
9．2 R軟件界面簡介
9．3 對象及它們的模式和屬性
9．4 向量運算及相關函數
9．4．1 向量
9．4．2 產生有規律序列
9．4．3 邏輯向量
9．4．4 缺失數據
9．4．5 字符型向量
9．4．6 向量的下標系統
9．5 因子
9．6 數組和矩陣
9．6．1 數組
9．6．2 數組的下標系統
9．6．3 矩陣
9．6．4 與數組(矩陣)運算的相關函數
9．7 列表與數據框
9．8 從文件中讀取數據
9．8．1 文本文件
9．8．2 其他格式數據文件
9．9 寫數據文件
9．10 成組、循環和條件控制
9．10．1 成組表達式
9．10．2 控制語句
9．11 R的統計表
9．12 R的繪圖
9．12．1 高級繪圖命令
9．12．2 低級圖形函數
9．13編寫R函數
參考文獻
索引