大学教材 R语言在统计中的应用PDF电子书下载

第1章 绪论 1

1.1 统计、统计学和统计模型 1

1.1.1 什么是统计 1

1.1.2 统计学 2

1.1.3 统计学的基本要素 2

1.1.4 数据的分类 3

1.1.5 统计模型 4

1.2 R语言与R软件 4

1.2.1 R语言 4

1.2.2 R软件 4

习题 5

第2章 R语言入门 7

2.1 R软件的下载与安装 7

2.2 R软件的界面 9

2.2.1 主窗口 10

2.2.2 文件菜单 10

2.2.3 其他菜单 12

2.2.4 程序包菜单 13

2.2.5 帮助菜单 14

2.3 与数据有关的对象 16

2.3.1 纯量 16

2.3.2 向量 17

2.3.3 因子 19

2.3.4 矩阵 21

2.3.5 数组 24

2.3.6 列表 26

2.3.7 数据框 27

2.4 读、写数据文件 29

2.4.1 读纯文本文件 29

2.4.2 读取Excel表格数据 32

2.4.3 写数据文件 35

2.5 控制流 36

2.5.1 分支函数 37

2.5.2 中止语句与空语句 38

2.5.3 循环函数 38

2.6 R语言的程序设计 39

2.6.1 函数定义 39

2.6.2 有名参数与默认参数 41

2.6.3 递归函数 42

习题 43

第3章 数据的描述性分析 45

3.1 描述定性数据的数值法和图形法 45

3.1.1 描述定性数据的数值法 45

3.1.2 描述定性数据的图形法 50

3.2 描述定量数据的图形方法 54

3.2.1 直方图 54

3.2.2 茎叶图 56

3.3 描述定量数据的数值方法 56

3.3.1 集中趋势的度量 56

3.3.2 离散程度的度量 59

3.3.3 分布形态的度量 61

3.4 检测异常值的方法 63

3.4.1 标准分数法 63

3.4.2 箱线图法 64

3.5 案例分析 66

3.5.1 肥皂公司之间的竞争 66

3.5.2 CONSOLIDATED食品公司 68

习题 72

第4章 概率、随机变量及其分布 78

4.1 概率 78

4.1.1 随机事件 78

4.1.2 计数法则 79

4.1.3 分配概率的方法 81

4.1.4 概率的计算 82

4.2 离散型随机变量 83

4.2.1 随机变量及其分布 83

4.2.2 离散型随机变量 83

4.2.3 二项分布 85

4.2.4 Poisson分布 87

4.2.5 超几何分布 89

4.3 连续型随机变量 90

4.3.1 连续型随机变量 90

4.3.2 均匀分布 91

4.3.3 正态分布 92

4.3.4 指数分布 94

4.4 统计量与抽样分布 95

4.4.1 简单随机抽样 95

4.4.2 常用统计量 96

4.4.3 x2分布 96

4.4.4 t分布 97

4.4.5 F分布 98

4.4.6 统计量的分布 99

4.5 R中内置的分布函数 101

4.6 案例分析 101

4.6.1 HAMILTON县的法官 101

4.6.2 富士胶片引入APS 104

4.6.3 奔驰追求年轻客户 105

习题 108

第5章 参数估计与假设检验 111

5.1 参数估计的基本原理 111

5.2 点估计方法 112

5.2.1 矩估计法 112

5.2.2 极大似然估计法 115

5.3 区间估计 118

5.3.1 单个总体均值的区间估计 119

5.3.2 单个总体样本容量的确定 124

5.3.3 两个总体均值差的区间估计 125

5.4 假设检验 132

5.4.1 假设检验的基本过程 132

5.4.2 单个总体均值的检验 135

5.4.3 两个总体均值差的检验 141

5.4.4 功效与样本容量 150

5.5 方差的区间估计与假设检验 154

5.5.1 单个总体方差的区间估计与假设检验 154

5.5.2 两个总体方差比的区间估计与假设检验 156

5.6 案例分析 158

5.6.1 大都会研究公司 158

5.6.2 菲多利公司瞄准西班牙市场 160

5.6.3 一天一片阿斯匹林，心脏病大夫不会光临 164

习题 166

第6章 非参数检验 171

6.1 符号检验与秩检验 171

6.1.1 符号检验 172

6.1.2 符号秩检验与秩和检验 174

6.2 分布的检验 179

6.2.1 Pearson拟合优度x2检验 180

6.2.2 Shapiro-Wilk正态性检验 184

6.3 列联表检验 184

6.3.1 Pearson x2独立性检验 185

6.3.2 Fisher精确独立性检验 187

6.3.3 三维列联表的条件独立性检验 188

6.4 相关性检验 190

6.4.1 Pearson相关检验 190

6.4.2 Spearman相关检验 191

6.4.3 Kendall相关检验 191

6.4.4 cor.test函数 192

6.5 案例分析 194

6.5.1 两党议程变更 194

6.5.2 多纳圈业务怎么样 198

习题 202

第7章 方差分析 206

7.1 方差分析的基本概念与假设 206

7.2 单因素方差分析 207

7.2.1 数学模型 207

7.2.2 计算 209

7.3 多重均值检验 210

7.3.1 多重T检验 210

7.3.2 P值的调整 211

7.4 单因素方差分析的进一步讨论 212

7.4.1 正态性检验 212

7.4.2 方差的齐性检验 213

7.4.3 非齐性方差数据的方差分析 214

7.5 秩检验 214

7.5.1 Kruskal-Wallis秩和检验 214

7.5.2 多重Wilcoxon秩和检验 215

7.6 双因素方差分析 215

7.6.1 不考虑交互效应 215

7.6.2 考虑交互效应 217

7.6.3 交互效应图 220

7.7 案例分析 221

7.7.1 工业产品销售员的报酬 221

7.7.2 博润德：由坎坷到光明 225

习题 229

第8章 回归分析 232

8.1 简单线性回归模型 232

8.1.1 回归模型 233

8.1.2 最小二乘与回归系数的计算 233

8.1.3 回归方程的显著性检验 235

8.1.4 参数β0和β1的区间估计 237

8.1.5 预测 238

8.2 多元线性回归模型 239

8.2.1 多元线性回归模型 239

8.2.2 回归系数的估计 240

8.2.3 显著性检验 240

8.2.4 参数β的区间估计 241

8.2.5 预测 242

8.2.6 R计算 242

8.3 回归诊断 243

8.3.1 残差检验 244

8.3.2 Box-Cox变换 246

8.3.3 误差的正态性与独立性检验 247

8.3.4 异常值的检测 250

8.3.5 强影响点的检测 251

8.3.6 多重共线性 254

8.4 回归分析：建立模型 257

8.4.1 一般线性模型 257

8.4.2 变量选择与逐步回归 262

8.5 案例分析 270

8.5.1 教育支出与学生成绩 270

8.5.2 弗吉尼亚半导体 275

习题 282

第9章 时间序列分析与预测 285

9.1 时间序列 285

9.1.1 时间序列的基本概念 285

9.1.2 时间序列的成分 287

9.1.3 时间序列预测的平滑方法 291

9.1.4 用回归方法做预测 295

9.1.5 Holt-Winters指数平滑方法 297

9.2 平稳性 300

9.2.1 时间序列的平稳性 300

9.2.2 差分算子与延迟算子 300

9.2.3 线性差分方程及其平稳性 301

9.2.4 时间序列平稳性的检验 302

9.3 ARMA模型 306

9.3.1 AR模型 306

9.3.2 MA模型 313

9.3.3 ARMA模型 317

9.4 ARIMA模型 320

9.4.1 差分运算 320

9.4.2 ARIMA模型 323

9.4.3 季节ARMA模型 323

9.4.4 乘法季节ARMA模型 325

9.4.5 非平稳的季节ARIMA模型 325

9.5 平稳时间序列建模 326

9.5.1 确定ARMA模型中的阶数 326

9.5.2 ARMA模型中的参数估计 330

9.5.3 模型的检验 331

9.6 时间序列的建模与预测 334

9.6.1 ARIMA模型建模 334

9.6.2 序列预测 338

9.7 案例分析 340

9.7.1 DeBourgh制造公司 340

9.7.2 预测销售量损失 343

习题 345

索引 349

参考文献 356