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