现代应用生物统计方法 SPlus的使用PDF电子书下载

1 S语言 1

起步 1

3种数据类型及一些输入规则 3

在S-Plus中读入数值 7

一些S工具——初级水平 9

S算术 18

更多S工具——中级水平 19

用于统计分析的S工具 24

S-Plus中的统计分布 29

数组和列表 33

矩阵代数工具 40

其他S工具 46

4个S程序范例 51

.Data文件 60

附录：内置的编辑器 63

习题Ⅰ 65

2数据描述技术 68

描述性统计量 68

基本统计指标 70

直方图平滑——密度估计 74

茎叶图 77

组间比较——t检验 80

组间比较——箱式图 82

数据分布和理论分布的对比——百分位数图 85

多组比较——QQ图 89

xy图 94

三维图形——透视图 96

三维图形——等高线图 98

三维图形——坐标轴旋转 101

数据平滑技术 105

空间数据的二维平滑 108

数据聚类描述 110

可加性——“清理”一个数组 119

范例——应用S函数进行地理计算 125

估计二维分布的中心点 127

附录：S几何 129

习题Ⅱ 130

3模拟：随机数值 133

均匀随机数 133

一个范例 143

无放回抽样和有放回抽样 145

离散概率分布随机抽样——接受／拒绝抽样 146

离散概率分布随机抽样——反向转换法 150

二项概率分布 152

超几何概率分布 155

泊松概率分布 157

几何概率分布 111

连续分布的随机抽样 112

反向转换法 115

模拟来自正态分布的数值 117

其他四种统计分布 170

模拟最小值和最大值 172

BUTLER方法 173

复杂区域中的随机数值 175

多元正态变量 176

习题Ⅲ 178

4广义线性模型 181

最简单的情况——单变量线性回归 181

多个变量的情形 184

多变量线性模型 185

对残差值的深入观察 198

预测——点值估计的可信区间 202

glm（）中的关系表达式 203

多项式回归 204

判别分析 207

线性logistic模型 211

分类数据——双变量线性logistic模型 217

多变量数据——线性logistic模型 221

拟合优度 226

泊松模型 228

多变量泊松模型 234

习题Ⅳ 239

5统计估计 243

估计：极大似然法 243

估计量的特性 243

极大似然估计 244

评分法确定极大似然估计 248

多参数估计 252

评分法的推广 254

估计：靴袢法 258

背景 258

概述 258

从正态总体中抽取均数 260

可信限 262

一个例子——相对危险度 263

中位数 264

简单线性回归 265

折刀估计 271

对偏倚进行估计 274

两样本检验——靴袢方法 275

两样本检验——随机化方法 276

估计：最小二乘法 278

最小二乘的特点 278

非线性最小二乘估计 281

习题Ⅴ 291

6表格数据分析 295

2×2表 295

成对匹配——二分应答变量 299

2×k表 301

关联测量——2×2表 305

关联测量——r×c表 306

λ关联尺度 308

关联测量——包含有序变量的表格 309

对数线性模型 312

多维k水平变量 319

高维表格 324

习题Ⅵ 328

7方差分析和其他S函数 331

方差分析 331

单因素设计 331

嵌套设计 336

每格1例观察的两因素分组设计 337

配对设计——连续型应答变量 345

每格有1例以上观察对象的双因素分组设计 348

跃进——一种模型选择技术 351

主成分分析 358

典则相关 366

习题Ⅶ 372

8率，寿命表及生存分析 375

率 375

寿命表 381

生存分析概述 387

生存曲线的非参数估计 391

风险率估计 393

平均／中位生存时间 394

比例风险模型 398

习题Ⅷ 411

译者赘言 414