第1章 通过R来学统计很容易 1
1.1统计是什么？学统计需要什么？ 1
1.2R不仅是一款软件，而且是一种文化 2
习题 6
第2章 数据及其模式 8
2.1数据形式、变量 8
2.2用图形描述变量的分布 11
2.3用数字描述变量的分布 22
2.4密度曲线和正态分布 27
习题 32
第3章 从数据中发现关系 34
3.1使用散点图探索数据 35
3.2相关 39
3.3简单线性最小二乘回归 43
3.4关于相关和回归的注意点 49
3.5二维列联表的初等分析 52
习题 57
第4章 通过实验及抽样获得数据 60
4.1关于数据 60
4.2实验设计 63
4.3抽样设计及推断 64
习题 67
第5章 概率：随机性的度量 69
5.1随机性及概率模型 69
5.2随机变量 71
5.3基本概率计算 75
习题 77
第6章 抽样分布 79
6.1频数和频率 79
6.2样本均值 83
习题 89
第7章 统计推断：估计 91
7.1正态总体均值的置信区间估计 91
7.2比例的置信区间 94
7.3对置信区间的常见误解 97
习题 97
第8章 统计推断：显著性检验 99
8.1正态总体均值的显著性检验 99
8.2对总体比例的显著性检验 103
8.3关于中位数的非参数检验 104
8.4合理使用还是滥用检验 108
8.5检验的势和决策 109
习题 110
第9章 二维列联表和拟合优度的x2检验 113
9.1二维列联表推断 113
9.2拟合优度检验 117
习题 118
第10章 对简单线性回归的推断 120
10.1简单线性模型 120
10.2简单线性模型参数的推断 121
习题 122
第11章 经典多元线性回归 124
11.1模型和拟合 124
11.2变换及逐步回归 125
11.3自变量包括分类变量的回归 126
11.4关于经典回归的一些说明 129
11.5logistic回归和probit回归 130
习题 132
第12章 机器学习方法的分类及回归 135
12.1机器学习方法简介 135
12.2分类 137
12.3回归 150
习题 156
附录 练习：熟练使用R软件 157
参考文献 166