大学教材 R语言在统计中的应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

大学教材 R语言在统计中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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APS104

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