第一章 R介绍 1
§1.1S语言与R 1
§1.2R的特点 2
§1.3R的资源 3
§1.4R的安装与运行 3
1.4.1R软件的安装、启动与关闭 3
1.4.2R程序包的安装与使用 4
第一章习题 5
第二章 R的基本原理与核心 7
§2.1R的基本原理 7
§2.2R的在线帮助 9
§2.3一个简短的R会话 11
§2.4R的数据结构 17
2.4.1R的对象与属性 17
2.4.2浏览对象的信息 20
2.4.3向量的建立 21
2.4.4数组与矩阵的建立 29
2.4.5数据框（data frame）的建立 37
2.4.6列表（list）的建立 42
2.4.7时间序列（ts）的建立 43
§2.5数据的存储与读取 45
2.5.1数据的存储 45
2.5.2数据的读取 46
§2.6R的图形功能 50
2.6.1绘图函数 51
2.6.2低级绘图命令 52
2.6.3绘图参数 54
2.6.4一个实例 56
§2.7R编程 62
2.7.1循环和向量化 63
2.7.2用R写程序 64
2.7.3编写你自己的函数 65
2.7.4养成良好的编程习惯 67
第二章习题 68
第三章 概率与分布 70
§3.1随机抽样 70
§3.2排列组合与概率的计算 71
§3.3概率分布 72
3.3.1离散分布的分布律 72
3.3.2连续分布的密度函数 74
§3.4R中内嵌的分布 79
§3.5应用：中心极限定理 81
3.5.1中心极限定理 81
3.5.2渐近正态性的图形检验 81
3.5.3举例 83
第三章习题 87
第四章 探索性数据分析 89
§4.1常用分布的概率函数图 89
§4.2直方图与密度函数的估计 97
4.2.1直方图 97
4.2.2核密度估计 97
§4.3单组数据的描述性统计分析 99
4.3.1单组数据的图形描述 99
4.3.2单组数据的描述性统计 104
§4.4多组数据的描述性统计分析 107
4.4.1两组数据的图形概括 107
4.4.2多组数据的图形描述 112
4.4.3多组数据的描述性统计 114
4.4.4分组数据的图形概括 118
§4.5分类数据的描述性统计分析 125
4.5.1列联表的制作 125
4.5.2列联表的图形描述 127
第四章习题 129
第五章 参数估计 132
§5.1矩法估计和极大似然估计 132
5.1.1矩法估计 132
5.1.2极大似然估计 135
§5.2单正态总体参数的区间估计 137
5.2.1均值μ的区间估计 138
5.2.2方差σ2的区间估计 142
§5.3两正态总体参数的区间估计 143
5.3.1均值差μ1-μ2的置信区间 143
5.3.2两方差比σ12/σ22的置信区间 146
§5.4单总体比率p的区间估计 148
§5.5两总体比率差p1—p2的区间估计 151
§5.6样本容量的确定 153
5.6.1估计正态总体均值时样本容量的确定 153
5.6.2估计比例p时样本容量的确定 155
第五章习题 156
第六章 参数的假设检验 159
§6.1假设检验与检验的p值 160
6.1.1假设检验的概念与步骤 160
6.1.2检验的p值 162
§6.2单正态总体参数的检验 162
6.2.1均值μ的假设检验 162
6.2.2方差σ2的检验：x2检验 165
§6.3两正态总体参数的检验 166
6.3.1均值的比较：t检验 166
6.3.2方差的比较：F检验 168
§6.4成对数据的t检验 169
§6.5单样本比率的检验 171
6.5.1比率p的精确检验 171
6.5.2比率p的近似检验 172
§6.6两样本比率的检验 174
第六章习题 175
第七章 非参数的假设检验 177
§7.1单总体位置参数的检验 177
7.1.1中位数的符号检验 178
7.1.2Wilcoxon符号秩检验 180
§7.2分布的一致性检验：x2检验 182
§7.3两总体的比较与检验 185
7.3.1x2独立性检验 185
7.3.2Fisher精确检验 187
7.3.3Wilcoxon秩和检验法和Mann-Whitney U检验 189
7.3.4Mood检验 191
§7.4多总体的比较与检验 193
7.4.1位置参数的Kruskal-Wallis秩和检验 193
7.4.2尺度参数的Ansari-Bradley检验 195
7.4.3尺度参数的Fligner-Killeen检验 196
第七章习题 197
第八章 方差分析 200
§8.1单因子方差分析 200
8.1.1数学模型 200
8.1.2均值的多重比较 204
8.1.3同时置信区间：Tukey法 206
8.1.4方差齐性检验 209
§8.2双因子方差分析 211
8.2.1无交互作用的方差分析 211
8.2.2有交互作用的方差分析 215
§8.3协方差分析 219
第八章习题 224
第九章 回归分析与相关分析 229
§9.1相关性及其度量 229
9.1.1相关性概念 229
9.1.2相关分析 230
§9.2一元线性回归分析 233
9.2.1数学模型 233
9.2.2估计与检验 235
9.2.3预测与控制 238
9.2.4计算例子 240
§9.3多元线性回归分析 243
9.3.1数学模型 243
9.3.2估计与检验 243
9.3.3预测与控制 246
9.3.4计算例子 247
§9.4回归诊断 251
9.4.1残差分析 251
9.4.2影响分析 258
9.4.3共线性诊断 262
§9.5Logistic回归 265
第九章习题 271
第十章 多元统计分析介绍 277
§10.1主成分分析与因子分析 278
10.1.1主成分的简要定义与计算 278
10.1.2主成分R通用程序 279
10.1.3因子分析的简要定义与计算 282
10.1.4因子分析R通用程序 283
§10.2判别分析 286
10.2.1距离判别 286
10.2.2Fisher判别法 288
10.2.3R通用程序 289
§10.3聚类分析 292
10.3.1基本思想 293
10.3.2R通用程序 294
§10.4典型相关分析 297
10.4.1基本思想 297
10.4.2R通用程序 299
§10.5对应分析 301
10.5.1基本思想 302
10.5.2R通用程序 304
第十章习题 305
第十一章 贝叶斯统计分析 316
§11.1贝叶斯统计分析与经典统计分析的比较 316
11.1.1经典统计分析中存在的问题 317
11.1.2对贝叶斯统计分析的质疑及褒奖 317
§11.2贝叶斯统计分析与先验分布的选取 318
11.2.1贝叶斯公式 318
11.2.2先验分布的选取 320
11.2.3贝叶斯分析体现了科学探索过程 323
§11.3单参数贝叶斯统计分析 323
11.3.1两项分布下的贝叶斯推断 323
11.3.2正态分布下的贝叶斯统计推断 334
§11.4多参数贝叶斯统计分析 338
11.4.1方法概述 338
11.4.2正态分布参数中的贝叶斯分析 338
11.4.3随机模拟方法 339
11.4.4一个实例 340
§11.5分层贝叶斯统计分析 346
11.5.1分层模型的建立及其贝叶斯推断 346
11.5.2N-N模型与应用 348
§11.6贝叶斯线性回归分析 357
11.6.1模型的表示 357
11.6.2后验分布 358
11.6.3回归拟合 358
11.6.4后验预测 358
第十一章习题 362
附录A秩与结的介绍 364
附录BR的图形界面 366
§B.1R Commander 366
B.1.1功能 366
B.1.2（网络）安装 366
B.1.3运行 367
B.1.4结构与使用 367
§B.2PMG 368
B.2.1功能 368
B.2.2安装 368
B.2.3结构与使用 368
附录CR的编程环境 371
§C.1R WinEdt 371
C.1.1（网络）安装 371
C.1.2运行 371
C.1.3R WinEdt的特点 373
§C.2Tinn-R 373
§C.3SciViews R 374
参考文献 376