第一篇 R基础 3
第1章 绪论 3
1.1 R的起源和发展 3
1.2 R的功能和特点 3
1.3 R软件的获取与安装 4
1.4 R工作基本原理 5
1.5 R在线帮助 7
1.6 获取关于R和系统的信息 9
第2章 R的数据操作 11
2.1 数的简单运算 11
2.2 数学函数 14
2.3 向量 16
2.4 矩阵 18
2.5 数组 24
2.6 因子向量 29
2.7 随机序列 30
第3章 对象和数据框 32
3.1 对象的种类与属性 32
3.2 改变对象的属性 35
3.3 对象的使用 37
第4章 R数据的生成、导入和导出 49
4.1 创建R数据集 49
4.2 从文件读取数据 52
4.3 从其他应用软件所产生的数据文件导入数据 62
4.4 存储数据 65
4.5 在R中显示数据 67
第5章 数据集的整理 73
5.1 数据集的检查 73
5.2 数据集的修改 75
5.3 变量值的替换或取出数据子集 79
5.4 向量和矩阵的合并与删除 81
第6章 R程序包 85
6.1 R程序包的种类 85
6.2 程序包的安装 87
6.3 关于程序包操作的函数 89
6.4 程序包及其帮助 90
第7章 R函数 100
7.1 函数的调用与查询 100
7.2 用户自定义函数 102
7.3 几种特殊的函数 108
7.4 泛型函数 111
第8章 R绘图 114
8.1 管理绘图 115
8.2 绘制图形 120
8.3 绘图参数与绘图符号 138
8.4 几种复杂图形的绘制 143
第9章 控制流 153
9.1 if-条件语句 153
9.2 ifelse（）函数 155
9.3 switch（）函数 156
9.4 for（）语句 158
9.5 while（）语句 159
9.6 repeat语句 160
第10章 R编程实践 163
10.1 一个非线性模型的编程 163
10.2 编写一个两独立样本t检验的R程序 165
10.3 独立样本2×2差异性检验的自定义函数 165
10.4 计算线性回归参数估计值的程序 167
10.5 对三个不同种属的鸟绘图 168
10.6 编写用Newton-Raphson迭代法求解非线性方程组的根的程序 169
10.7 用递归函数计算积分的程序 171
10.8 正态分布概率密度函数动画程序 172
10.9 一个猜数字的小游戏 173
10.10 程序的运行方式 174
第二篇 常用统计方法 177
第11章 定量变量的描述性统计 177
11.1 频数分布 177
11.2 集中趋势 180
11.3 离散趋势 185
11.4 正态分布 188
11.5 医学参考值的估计 191
第12章 分类变量的描述性统计 193
12.1 常用的比例指标及其意义 193
12.2 相对危险度与优势比 195
12.3 率的标准化法 197
12.4 动态数列 201
12.5 比例指标应用时的注意事项 203
第13章 抽样误差、区间估计与假设检验 204
13.1 均数的抽样误差 204
13.2 均数的抽样误差的分布——t分布 207
13.3 总体均数的可信区间估计 208
13.4 方差的抽样误差与可信区间估计 209
13.5 率的抽样误差与可信区间估计 210
13.6 假设检验 212
第14章 x2检验 229
14.1 x2分布 229
14.2 拟合优度检验 230
14.3 独立性检验 233
14.4 趋势检验 242
14.5 多个四格表的联合分析 243
14.6 四格表的费歇尔精确概率检验 244
第15章 方差分析 246
15.1 单向方差分析 246
15.2 双向方差分析 256
第16章 二项分布与泊松分布 271
16.1 二项分布的概念 271
16.2 二项分布的性质 273
16.3 二项分布的应用 275
16.4 泊松分布的概念 279
16.5 Poisson分布的性质 280
16.6 Poisson分布的应用 283
第17章 生存时间资料的非参数分析方法 288
17.1 生存时间资料的特点 288
17.2 小样本生存率的Kaplan-Meier估计 293
17.3 大样本生存率的寿命表法估计 296
17.4 生存曲线比较的假设检验 298
第18章 回归与相关 304
18.1 直线回归与相关 304
18.2 多元线性回归与相关 321
第19章 Logistic回归 338
19.1 Logistic回归的模型结构 338
19.2 回归参数的估计及其假设检验 341
19.3 回归参数的解释 344
19.4 回归模型拟合情况的分析 345
19.5 应用Logistic回归时值得注意的几个问题 349
19.6 匹配设计资料的Logistic回归 354
第20章 Cox比例风险模型 359
20.1 模型结构与参数估计 359
20.2 回归模型的应用 361
20.3 风险函数和生存函数的估计 365
20.4 比例风险假设的检验 372
20.5 时依协变量 377
第三篇 时间序列分析方法 381
第21章 时间序列的特点 381
21.1 时间序列资料的组分 382
21.2 时间序列的自相关性 382
21.3 时间序列的平稳性概念 386
21.4 几种基本的平稳时间序列模型 386
21.5 时间序列平稳性检验 388
第22章 时间序列的经典分析方法 391
22.1 经典组分分解法 391
22.2 线性回归分析法 398
22.3 调和季节模型（harmonic seasonal models） 403
22.4 指数匀滑与Holt-Winters指数匀滑法 410
第23章 平稳时间序列分析 415
23.1 差分算子和后向移位算子 415
23.2 自回归模型 416
23.3 移动平均模型 420
23.4 自回归移动平均模型 424
23.5 平稳时间序列模型的配合 428
第24章 非平稳时间序列分析 441
24.1 非平稳时间序列的平稳化 441
24.2 ARIMA模型 445
24.3 ARIMA （p,d,q）模型的预报 452
第25章 季节非平稳时间序列模型 455
25.1 单纯季节自回归求和移动平均模型 455
25.2 复合性季节自回归求和移动平均模型 461
第26章 带输入变量的时间序列模型 478
26.1 具有自相关残差的回归模型 479
26.2 干预模型 485
26.3 传递函数模型 489
第27章 广义加性模型 503
27.1 广义加性模型的结构 503
27.2 广义加性模型配合的例子 504
第28章 不良健康效应的经济损失分析 513
28.1 健康效应模型 513
28.2 经济损失的估计 519
附表1 标准正态分布曲线下的面积 523
附表2 t界值表 524
附表3 卡方界值表 526
附表4 F分布的上侧临界值表（供方差分析用） 527
附表5 q界值表 530
附表6-1 百分率的可信区间 531
附表6-2 百分率的可信区间 532
附表6-3 百分率的可信区间 533
附表7 Poisson分布的可信区间 535
附表8 r界值表（Pearson相关系数检验用） 535