統計學：基於R（簡體書）

第1 章數據與統計學
問題與思考： 怎樣理解統計結論
1．1 統計學及其應用
1．1．1 什么是統計學
1．1．2 統計學的應用
1．2 數據及其來源
1．2．1 變量與數據
1．2．2 數據的來源
1．3 R 簡介
1．3．1 R 的初步使用
1．3．2 數據的讀入與保存
1．3．3 數據的使用和編輯
1．3．4 包的安裝和加載
1．3．5 函數的編寫
主要術語 第1 章數據與統計學
問題與思考： 怎樣理解統計結論
1．1 統計學及其應用
1．1．1 什么是統計學
1．1．2 統計學的應用
1．2 數據及其來源
1．2．1 變量與數據
1．2．2 數據的來源
1．3 R 簡介
1．3．1 R 的初步使用
1．3．2 數據的讀入與保存
1．3．3 數據的使用和編輯
1．3．4 包的安裝和加載
1．3．5 函數的編寫
主要術語
思考與練習
第2 章數據的描述性分析： 圖表展示
問題與思考： 怎樣用圖表看數據
2．1 類別數據的圖表展示
2．1．1 用頻數分布表觀察類別數據
2．1．2 用圖形展示類別數據
2．2 數值數據的圖表展示
2．2．1 用頻數分布表觀察數據分布
2．2．2 用圖形展示數值數據
2．3 使用圖表的注意事項
主要術語
思考與練習
第3 章數據的描述性分析： 概括性度量
問題與思考： 怎樣分析學生的考試成績
3．1 水平的描述
3．1．1 平均數
3．1．2 中位數和分位數
3．1．3 水平代表值的選擇
3．2 差異的描述
3．2．1 極差和四分位差
3．2．2 方差和標準差
3．2．3 變異系數
3．2．4 標準得分
3．3 分布形狀的描述
3．4 數據的綜合描述
主要術語
思考與練習
第4 章隨機變量的概率分布
問題與思考： 彩票中獎的概率有多大
4．1 什么是概率
4．2 隨機變量的概率分布
4．2．1 隨機變量及其概括性度量
4．2．2 隨機變量的概率分布
4．2．3 其他幾個重要的統計分布
4．3 樣本統計量的概率分布
4．3．1 統計量及其分布
4．3．2 其他統計量的分布
4．3．3 統計量的標準誤差
主要術語
思考與練習
第5 章參數估計
問題與思考： 科學家做出重大貢獻的最佳年齡是多少
5．1 參數估計的基本原理
5．1．1 點估計與區間估計
5．1．2 評價估計量的標準
5．2 總體均值的區間估計
5．2．1 一個總體均值的估計
5．2．2 兩個總體均值之差的估計
5．3 總體比例的區間估計
5．3．1 一個總體比例的估計
5．3．2 兩個總體比例之差的估計
5．4 總體方差的區間估計
5．4．1 一個總體方差的估計
5．4．2 兩個總體方差比的估計
5．5 樣本量的確定
5．5．1 估計總體均值時樣本量的確定
5．5．2 估計總體比例時樣本量的確定
主要術語
思考與練習
第6 章假設檢驗
問題與思考： 你相信飲用水瓶子標簽上的說法嗎
6．1 假設檢驗的基本原理
6．1．1 怎樣提出假設
6．1．2 怎樣做出決策
6．1．3 怎樣表述決策結果
6．2 總體均值的檢驗
6．2．1 一個總體均值的檢驗
6．2．2 兩個總體均值之差的檢驗
6．3 總體比例的檢驗
6．3．1 一個總體比例的檢驗
6．3．2 兩個總體比例之差的檢驗
6．4 總體方差的檢驗
6．4．1 一個總體方差的檢驗
6．4．2 兩個總體方差比的檢驗
主要術語
思考與練習
第7 章類別變量分析
問題與思考： 網購滿意度與地區有關系嗎
7．1 一個類別變量的擬合優度檢驗
7．1．1 期望頻數相等
7．1．2 期望頻數不等
7．2 兩個類別變量的獨立性檢驗
7．2．1 列聯表與?2 獨立性檢驗
7．2．2 應用?2 檢驗的注意事項
7．3 兩個類別變量的相關性度量
7．3．1 系數和Cramers V 系數
7．3．2 列聯系數
主要術語
思考與練習
第8 章方差分析
問題與思考： 超市位置和競爭者數量對銷售額有影響嗎
8．1 方差分析的基本原理
8．1．1 什么是方差分析
8．1．2 誤差分解
8．1．3 方差分析的基本假定
8．2 單因子方差分析
8．2．1 數學模型
8．2．2 效應檢驗
8．2．3 多重比較
8．3 雙因子方差分析
8．3．1 數學模型
8．3．2 主效應分析
8．3．3 交互效應分析
主要術
思考與練習
第9 章一元線性回歸
問題與思考： GDP 與消費水平有關系嗎
9．1 變量間的關系
9．1．1 確定變量之間的關系
9．1．2 相關關系的描述
9．1．3 關系強度的度量
目錄￠ v ￠
9．2 一元線性回歸模型的估計和檢驗
9．2．1 一元線性回歸模型
9．2．2 參數的最小二乘估計
9．2．3 模型的擬合優度
9．2．4 模型的顯著性檢驗
9．3 利用回歸方程進行預測
9．3．1 平均值的置信區間
9．3．2 個別值的預測區間
9．4 回歸模型的診斷
9．4．1 殘差與殘差圖
9．4．2 檢驗模型假定
主要術語
思考與練習
第10 章多元線性回歸
問題與思考： 不良貸款受哪些因素影響
10．1 多元線性回歸模型
10．1．1 回歸模型與回歸方程
10．1．2 參數的最小二乘估計
10．2 擬合優度和顯著性檢驗
10．2．1 模型的擬合優度
10．2．2 模型的顯著性檢驗
10．2．3 模型診斷
10．3 多重共線性及其處理
10．3．1 多重共線性及其識別
10．3．2 變量選擇與逐步回歸
10．4 模型比較
10．5 利用回歸方程進行預測
10．6 啞變量回歸
10．6．1 在模型中引入啞變量
10．6．2 含有一個啞變量的回歸
主要術語
思考與練習
第11 章時間序列預測
問題與思考： 如何預測社會消費品零售總額
11．1 時間序列的成分和預測方法
11．1．1 時間序列的成分
11．1．2 預測方法的選擇與評估
￠ vi ￠ 統計學|| 基于R
11．2 指數平滑預測
11．2．1 指數平滑模型的一般表達
11．2．2 簡單指數平滑預測
11．2．3 指數平滑預測
11．2．4 Winter 指數平滑預測
11．3 趨勢外推預測
11．3．1 線性趨勢預測
11．3．2 非線性趨勢預測
11．4 分解預測
主要術語
思考與練習
附錄求置信區間的自助法
參考書目

顯示全部信息

當你用R 來學習統計時, 你一定會愛上R, 因為它是那么令人著迷, 讓你難舍難分, 不離不棄; 當你用R 來學習統計時, 你一定會感到神奇, 因為它有如此多的選擇,讓你無所適從, 力所不及; 當你用R 來學習統計時, 你也一定會愛上統計, 因為它是一種思想, 一種文化, 讓你發現它的內涵, 它的邏輯, 它的樂趣, 它的魅力; 無論你愛它還是不愛它, 它總是讓你難言放棄, 因為它充滿著無窮奧秘, 伴隨著詩情畫意, 這就是R, 這就是統計.
統計學是一門既有趣又十分有用的學科. 但在計算機時代到來前, 計算問題使統計的應用受到極大限制, 很多人也由于計算問題對統計學望而卻步. 然而, 在計算機和互聯網普及的今天, 尤其是統計軟件的使用, 不僅促進了統計科學的發展, 也使得統計教學和學習發生了革命性變化. 軟件的使用可以讓我們從繁雜的統計計算中解脫出來,從而可以拿出更多的時間去理解統計方法的思想和原理. 當我們把那些繁雜但屬于簡單勞動的計算交給計算機\秒殺" 的時候, 就會發現統計的學習和應用并不困難.
實現統計分析的軟件有多種, 包括一些優秀的商業統計軟件, 如SAS, SPSS 等. 但由于這些軟件價格不菲, 多數人難以接近. 幸運的是, R 的出現使價格問題不復存在,這為多數人學習統計提供了良好的條件. 
R是基于R 語言的一種優秀的免費統計軟件, 它不僅提供了豐富的數據分析技術, 功能十分強大, 而且與多數統計軟件相比, R 的更新速度快, 使用更靈活, 可以包含很多最新方法的實現方案, 它的繪圖功能是任何其他統計軟件都無法比擬的. 同時, 讀者自己開發的一些新的統計模型, 也可以很方便地通過在R 中編程實現模型的求解.由于其功能強大和使用靈活, R 在實際工作和科學研究的很多領域被越來越多的人使用. 可以說, R 將逐漸成為數據分析軟件的主流.
本書是一本基于R 實現全部例題計算的統計學教材, 書中每個例題的解答都給出了R的詳細程序和結果. 全書共11 章內容, 包括數據的描述性分析方法、推斷方法以及實際中常用的一些統計方法等. R 是一個龐大的、在不斷發展和完善的統計平臺和編程語言, 即是對同一問題也會有多個不同的R 包來實現, 其中編寫的R 程序也會因人而異. Robert I. Kabacoff在其所著的《R 語言實戰》一書中寫道: \R 最強大的地方(也有可能是最讓人頭疼的地方) 就是, 其中永遠都有學不完的東西." 本書R 的使用盡可能體現其靈活性和多樣性, 對同類數據或變量的分析盡可能多地使用不同的R包和功能選項, 繪制圖形時盡可能使用不同的函數及參數選擇, 以使讀者更多地了解R 的功能和特點. 當然, 本書例題給出的R 程序側重于演示統計方法的實現過程, 從R 使用的角度看不一定是最優的, 有些甚至顯得冗長、復雜, 好在本書的R 應用只是要起到拋磚引玉的作用, 讀者可根據自身分析的需要選擇不同的R 包或編程來解決所面臨的統計問題.
本書可作為高等院校經濟管理類專業本科生統計學課程的教材使用, 也可作為其他文科專業及部分理、工、農、林、醫、藥專業的教材或參考書, 對廣大實際工作者也極具參考價值. 由于作者水平有限, 難免存在錯誤, 希望讀者在使用中對本書的不足之處多提寶貴意見, 以便進一步修改和完善.