为你推荐
前言
第1章 R语言与统计分析概述
1.1 写在前面的话
1.2 R语言入门
1.3 Rstudio简介
1.4 从大数据分析案例看统计分析的基本框架
1.5 本章涉及的R函数
第2章 R的数据组织
2.1 R的数据对象
2.2 R数据组织的基本方式
2.3 R数据组织的其他问题
2.4 大数据案例的数据结构和R组织
2.5 本章涉及的R函数
第3章 R的数据整理和编程基础
3.1 从大数据分析案例看数据整理
3.2 数据的初步整理
3.3 数据质量评估
3.4 数据加工
3.5 数据管理中的R编程基础
3.6 本章涉及的R函数
第4章 R的基本分析和统计图形
4.1 从大数据分析案例看数据基本分析
4.2 R的绘图基础
4.3 分类型单变量的基本分析
4.4 数值型单变量的基本分析
4.5 大数据分析案例综合:北京市空气质量监测数据的基本分析
4.6 本章涉及的R函数
第5章 R的变量相关性分析和统计图形
5.1 分类型变量相关性的分析
5.2 数值型变量相关性的分析
5.3 大数据分析案例综合:北京市空气质量监测数据的相关性分析
5.4 本章涉及的R函数
第6章 R的均值检验:单个总体的均值推断及两个总体均值的对比
6.1 从大数据分析案例看推断统计
6.2 单个总体的均值推断
6.3 两个总体均值的对比:基于独立样本的常规t检验
6.4 两个总体均值的对比:置换检验
6.5 两个总体的均值对比:自举法检验
6.6 两个总体的均值对比:基于配对样本的常规t检验
6.7 大数据分析案例综合:北京市空气质量监测数据的均值研究
6.8 本章涉及的R函数
第7章 R的方差分析:多个总体均值的对比
7.1 从大数据分析案例看方差分析
7.2 多个总体均值的对比:单因素方差分析
7.3 多个总体均值的对比:多因素方差分析
7.4 大数据分析案例综合:北京市空气质量监测数据的均值研究
7.5 本章涉及的R函数
第8章 R的线性回归分析:对数值变量影响程度的度量和预测
8.1 从数据分析案例看线性回归分析
8.2 建立回归方程
8.3 回归方程的检验
8.4 回归方程的应用
8.5 回归模型的验证
8.6 虚拟自变量回归和协方差分析
8.7 大数据分析案例综合:北京市空气质量监测数据的回归分析研究
8.8 本章涉及的R函数
第9章 R的Logistic回归分析:对分类变量影响程度的度量和预测
9.1 从大数据分析案例看Logistic回归分析
9.2 Logistic回归方程的解读
9.3 Logistic回归方程的应用
9.4 本章涉及的R函数
第10章 R的聚类分析:数据分组
10.1 从大数据分析案例看聚类分析
10.2 K-Means聚类
10.3 分层聚类
10.4 大数据分析案例综合:北京市空气质量监测数据的聚类分析研究
10.5 本章涉及的R函数
第11章 R的线性判别分析:分类预测
11.1 从大数据分析案例看判别分析
11.2 距离判别法
11.3 Fisher判别法
11.4 本章涉及的R函数
第12章 R的因子分析:特征提取
12.1 从大数据分析案例看因子分析
12.2 因子分析基础
12.3 确定因子变量
12.4 因子变量命名
12.5 本章涉及的R函数
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜