R语言与现代统计方法PDF电子书下载

第1章 R语言简介 1

1.1 R语言的特点 1

1.2 R语言运行平台 1

1.2.1 工作目录 2

1.2.2 工作空间 3

1.2.3 历史命令 4

1.2.4 帮助系统 4

1.3 R程序包的安装使用 7

1.3.1 R软件的下载与安装 7

1.3.2 程序包的安装与加载 7

1.3.3 程序包有关的一些函数 8

1.4 初识R语言 9

1.4.1 对象的命名 9

1.4.2 对象的赋值 9

1.4.3 一个实例 10

第2章 R数据结构 12

2.1 向量 12

2.1.1 向量的建立与赋值 12

2.1.2 向量的运算 13

2.1.3 向量的下标运算 14

2.1.4 与向量有关的一些函数 15

2.2 R的数据结构 16

2.2.1 对象及属性 16

2.2.2 数据对象的类别 17

2.2.3 与对象有关的一些函数 17

2.3 向量问题的扩展 18

2.3.1 字符型向量 18

2.3.2 逻辑型向量 20

2.3.3 复数型向量 20

2.4 因子及其运算 21

2.4.1 因子的建立与赋值 21

2.4.2 与因子运算有关的一些函数 23

2.5 数组与矩阵 23

2.5.1 数组的建立 23

2.5.2 矩阵的建立 24

2.5.3 数组（矩阵）的下标运算 25

2.5.4 数组（矩阵）的运算 25

2.5.5 矩阵的代数运算 26

2.5.6 与矩阵运算有关的一些函数 30

2.6 数据框 31

2.6.1 数据框的建立 31

2.6.2 数据框元素的引用 32

2.6.3 数据框的编辑 33

2.6.4 与数据框有关的一些函数 35

2.7 列表 35

2.7.1 列表的建立 36

2.7.2 列表元素的引用 36

2.7.3 列表元素的相关运算 37

2.7.4 不同数据结构间的转换 38

第3章 数据的输入与输出 40

3.1 数据的输入 40

3.1.1 利用键盘录入数据 40

3.1.2 读取固定格式的文本文件 40

3.1.3 读取复杂格式的文本文件 43

3.1.4 读取其他格式的数据文件 44

3.1.5 R中数据集的读取 47

3.2 数据的输出 48

3.2.1 运行结果的定向输出 48

3.2.2 数据的定向输出 50

3.2.3 图形的定向输出 52

第4章 数据管理与R编程 53

4.1 缺失值问题 53

4.1.1 缺失值的识别 53

4.1.2 缺失值的处理 54

4.2 日期值问题 55

4.3 变量的整理 56

4.3.1 变量的重新编码 56

4.3.2 变量的重新命名 59

4.4 数据的整理 59

4.4.1 数据的合并 59

4.4.2 数据的排序 60

4.4.3 数据的汇总与重构 61

4.5 控制结构 63

4.5.1 循环结构 63

4.5.2 条件结构 65

4.6 定义自己的函数 66

4.7 R编程基础 68

第5章 R图形管理 69

5.1 一个引例 69

5.2 graphics图形系统简介 70

5.2.1 绘图函数概述 71

5.2.2 图形参数 72

5.2.3 图形设备 74

5.3 基本图形的绘制 76

5.3.1 散点图 76

5.3.2 折线图 77

5.3.3 直方图 80

5.3.4 箱线图 84

5.3.5 条形图 88

5.3.6 饼形图 89

5.3.7 透视图 91

5.4 自定义图形 92

5.4.1 添加拟合曲线 92

5.4.2 绘制多图 93

5.4.3 添加图例和标注 94

5.4.4 添加多边形及填充颜色 95

5.5 lattice绘图系统 96

5.5.1 lattice包简介 97

5.5.2 lattice绘图函数 98

5.5.3 lattice图形的定制 99

第6章 概率与抽样分布 104

6.1 常用的概率分布 104

6.1.1 离散分布的分布律 104

6.1.2 连续分布的密度函数 105

6.2 与分布相关函数的R实现 109

6.2.1 概率密度函数 109

6.2.2 分布函数 110

6.2.3 分位数函数 111

6.2.4 随机数产生函数 111

6.3 随机抽样 112

第7章 探索性数据分析 114

7.1 常用描述统计量 114

7.1.1 数据集中程度的描述 114

7.1.2 数据离散程度的描述 117

7.1.3 数据分布形状的描述 119

7.1.4 两组样本相关性分析 120

7.2 图形描述 122

7.2.1 茎叶图 123

7.2.2 Q-Q图 124

7.2.3 经验分布函数图 124

第8章 参数估计 126

8.1 点估计 126

8.1.1 矩估计 126

8.1.2 极大似然估计 129

8.2 区间估计 133

8.2.1 区间估计的定义 134

8.2.2 正态总体参数的区间估计 134

8.2.3 比率p的区间估计 143

第9章 假设检验 147

9.1 参数假设检验 147

9.1.1 单个正态总体的参数检验 148

9.1.2 两个正态总体参数的检验 151

9.1.3 单总体比率的检验 156

9.1.4 两个总体比率的检验 159

9.2 非参数假设检验 160

9.2.1 单个样本的非参数检验 160

9.2.2 两样本的独立性检验 165

9.2.3 两样本的非参数检验 168

9.2.4 多样本的非参数检验 174

第10章 回归分析 177

10.1 一元线性回归 177

10.1.1 一元线性回归模型 177

10.1.2 参数估计 178

10.1.3 回归方程的显著性检验 180

10.1.4 预测 182

10.2 多元线性回归 183

10.2.1 回归模型 183

10.2.2 估计 184

10.2.3 回归模型的显著性检验 184

10.2.4 预测 185

10.2.5 自变量的选择 185

10.3 回归诊断 191

10.3.1 高斯-马尔科夫假定的诊断 191

10.3.2 多重共线性的诊断 195

10.3.3 异常值和影响点的诊断 198

10.4 二分类Logistic回归 204

10.4.1 回归模型 204

10.4.2 参数的估计 205

10.4.3 模型的预测 206

10.4.4 拟合优度的测度 206

第11章 方差分析 208

11.1 单因素方差分析 209

11.1.1 单因素方差分析模型 209

11.1.2 单因素方差分析的R实现 211

11.1.3 方差齐性检验 213

11.1.4 多重比较 213

11.2 双因素方差分析 214

11.2.1 不考虑交互作用 214

11.2.2 考虑交互作用 216

11.2.3 双因素方差分析的R函数和实例分析 218

11.3 方差分析在模型选择中的应用 219

第12章 生存分析 221

12.1 R程序包的载入及生存对象的建立 222

12.2 非参数建模方法 223

12.2.1 KM估计 223

12.2.2 生存曲线的比较 226

12.3 参数建模方法 227

12.4 半参数模型方法 229

第13章 贝叶斯计算 233

13.1 贝叶斯统计推断的基本概念 233

13.1.1 贝叶斯公式 233

13.1.2 参数估计 234

13.1.3 假设检验 234

13.1.4 预测 235

13.2 单参数模型 235

13.2.1 离散先验分布 236

13.2.2 贝塔先验分布 237

13.2.3 直方图先验 239

13.3 多参数模型 241

13.3.1 均值和方差均未知的正态模型 241

13.3.2 多项模型 242

13.4 蒙特卡洛抽样方法 244

13.4.1 拒绝抽样 245

13.4.2 重要性抽样 248

13.5 马尔可夫链-蒙特卡洛抽样方法 252

13.5.1 马尔可夫链 252

13.5.2 Metropolis-Hastings算法 255

13.5.3 Gibbs抽样方法 260

第14章 时间序列分析 266

14.1 时间序列的探索性分析 266

14.1.1 时间序列实例 266

14.1.2 传统的分解方法 272

14.2 时间序列的相关概念与简单时序模型 274

14.2.1 平稳性 274

14.2.2 可逆性 275

14.2.3 自协方差函数和自相关函数 275

14.2.4 白噪声模型 276

14.2.5 随机游走 277

14.3 自回归移动平均模型 279

14.3.1 AR模型 279

14.3.2 MA模型 283

14.3.3 ARMA模型 285

14.4 非平稳时间序列模型 295

14.4.1 带漂移的随机游走过程 295

14.4.2 ARIMA模型 296

14.4.3 单位根检验 296

14.5 季节模型 299

14.5.1 季节ARMA模型 299

14.5.2 航空模型 299

14.5.3 乘法季节模型 302

14.6 条件异方差模型 307

14.6.1 模型的结构与模型的建立 307

14.6.2 ARCH模型 310

14.6.3 GARCH模型 313

第15章 统计方法进阶 317

15.1 非参数密度估计 317

15.1.1 直方图法 317

15.1.2 核密度估计法 320

15.1.3 窗宽的选择方法 323

15.2 多重借补方法 326

15.3 Bootstrap方法 330

15.4 EM算法 333

15.5 变量选择 339

15.5.1 岭回归 339

15.5.2 Lasso方法 342

15.5.3 自适应Lasso方法 346

15.5.3 SCAD方法 347

附录A 图形用户界面 349

A.1 R Commander 349

A.2 RStudio 353

A.2.1 RStudio的安装 353

A.2.2 RStudio界面介绍 353

A.2.3 尝试使用RStudio 356

附录B 数据集 359