通过实例学习R

《通过实例学习R》按照统计学的知识框架，通过大量实例介绍R语言及其统计计算环境。主要内容包括：引言、定量数据、分类数据、图形表示、探索性数据分析、基本推断方法、回归、方差分析、随机化检验、模拟试验、贝叶斯模型、蒙特卡罗方法。
　　《通过实例学习R》适用于已经具备初步统计知识并期望熟练掌握R语言的读者。

吉姆·艾伯特（Jim Albert）美国博林格林州立大学杰出教授。研究兴趣包括贝叶斯思想，统计学教育，统计计算和统计学在体育运动中的应用。他曾任Journal of Quantitative Analysis of Sports期刊的主编。
　　
　　玛利亚·里佐（Maria Rizzo）美国博林格林州立大学教授。研究领域包括能量统计，统计学，应用统计，统计计算，多元统计分析，多元统计推断，拟合优度检验，非线性相关性，统计学习，机器学习，聚类分析和分类算法，计算统计。在统计年鉴，应用统计年鉴，多元统计期刊上发表论文30余篇。所著的书籍有《统计计算使用R》《通过实例学习R》和《能量统计》。能量统计是过去十几年统计理论和应用领域的一个重大突破和发展，基于能量统计的诸多算法同时也被应用于金融，生物，制药等行业。
　　
　　胡锐，2011年于南开大学获得数学博士学位，现研究方向为统计学，主要研究领域为数理统计、应用统计和统计计算，在核心期刊及SCI期刊发表多篇论文。现任教于南京审计大学理学院。
　　
　　李义，美国博林格林州立大学统计学博士，研究领域是计算统计、机器学习、大数据领域的新算法、统计算法和人工智能算法在金融保险中的应用。曾在苏黎世保险公司从事模型开发，现在桑坦德银行担任模型风险官，检查和控制各种金融、交易模型的风险。

本书通过大量的实例对R[40]统计计算环境进行了介绍，不要求读者具备R或其他软件包的预备知识。R是一个用于统计计算以及制图的统计计算环境，它是一种计算机语言，设计用于典型的以及可能非常专业的统计及制图应用。在通用公共许可协议下，R可以应用于UNIX或Linux、Windows以及Macintosh等多种平台，其程序可以从www.r-project.org下载，此外还有大量的贡献包和实用程序，这些也是非常方便安装的。
　　本书面向那些正在学习、讲授或使用统计学的人，通过一系列具体的实例来展示如何使用R进行统计或者概率计算。具体地说，本书的对象是那些学习了（或正在学习）至少相当于本科层次、以微积分为基础的统计学课程的读者。这些读者正在学习或应用探索性和推断性方法来分析数据，而本书在如何利用R实现这些过程方面无疑是非常有用的资源。
　　第1章和第2章对R系统做了一个总体介绍，并对R展现数据基本的数值或图形概要功能进行了概述，第3、4、5章介绍了一些R函数来处理分类数据、生成统计图形以及实现John Tukey的探索性数据分析方法。第6章给出了关于比例和均值的基本推断的R程序，第7章到第10章介绍了R在热门的统计模型中的应用，比如回归、方差分析、随机区组设计、双因素方差分析，以及随机化检验。本书的最后一部分介绍了R在蒙特卡罗模拟试验（第11章）、贝叶斯建模（第12章）以及从概率分布进行模拟的马尔可夫链蒙特卡罗算法（第13章）中的应用。
　　本书的主要特点是，在有趣的应用中对R函数进行介绍，而且这些应用使用的都是真实的数据。比如“Im”是一个非常有用的R函数，它的特点可以通过一个很好的回归实例来充分展示，我们尽量通过各章中的实例来展示良好的统计实务，一个本科生可以很容易地将我们关于回归的R工作和他在统计学课程中学到的回归资料联系起来。在每一章中我们都给出了一些练习题，在这些题目中读者可以运行一下学过的R函数进行练习。
　　实例中所用的数据文件一部分是R自带的，另一部分可以在我们的网站上找到。一些数据文件可以直接从网页导入，还有一些可以在推荐包（R自带安装）或贡献包（需要时用户自行安装）中找到。

前言
符号和缩写

第1章 引言
1．1 开始
1．1．1 准备工作
1．1．2 基本运算
1．1．3 R脚本
1．1．4 R帮助系统
1．2 函数
1．3 向量和矩阵
1．4 数据框
1．4．1 数据框简介
1．4．2 使用数据框
1．5 输入数据
1．5．1 手动输入数据
1．5．2 从文本文件输入数据
1．5．3 网上的数据
1．6 包
1．7 R，工作空间
1．8 选项和资源
1．9 报告和可重复性研究
练习

第2章 定量数据
2．1 引言
2．2 二元数据：两个定量变量
2．2．1 探索数据
2．2．2 相关性和回归线
2．2．3 二元数据分组分析
2．2．4 条件图
2．3 多元数据：多个定量变量
2．3．1 探索数据
2．3．2 缺失值
2．3．3 分组概括
2．3．4 概括配对变量
2．3．5 找出缺失值
2．4 时间序列数据
2．5 整数数据：征兵抽签
2．6 样本均值和中心极限定理
2．7 特殊主题
2．7．1 添加一个新的变量
2．7．2 哪个观测值是最大的
2．7．3 数据框排序
2．7．4 点之间的距离
2．7．5 聚类分析速览
练习

第3章 分类数据
3．1 引言
3．1．1 对分类数据制表及制图
3．1．2 字符向量和因子
3．2 卡方拟合优度检验
3．3 关联两个分类变量
3．3．1 引言
3．3．2 频数表和图形
3．3．3 列联表
3．4 列联表中的关联模式
3．4．1 构造列联表
3．4．2 绘制关联模式
3．5 使用卡方检验来检验独立性
练习
……
第4章 图形表示
第5章 探索性数据分析
第6章 基本推断方法
第7章 回归
第8章 方差分析
第9章 方差分析Ⅱ
第10章 随机化检验
第11章 模拟试验
第12章 贝叶斯模型
第13章 蒙特卡罗方法
附录
参考文献