統計學及其應用基於R軟件

前言
第1章 統計與數據
1.1 什麽是統計
1.2 統計學的基本概念
1.2.1 總體與個體
1.2.2 變量
1.2.3 樣本
1.2.4 參數與統計量
1.3 數據的類型
1.3.1 分類數據、順序數據、數值型數據
1.3.2 截面數據和時間序列數據
1.4 統計數據的來源
1.4.1 統計直接調查
1.4.2 觀察與實驗
1.4.3 間接獲取數據
1.5 統計數據的質量
1.6 統計學與R軟件
1.7 初識R軟件
習題1
第2章 R語言基礎
2.1 向量
2.1.1 基本運算
2.1.2 賦值
2.1.3 向量賦值
2.1.4 向量運算
2.1.5 作圖
2.1.6 產生有規律的向量
2.1.7 向量的類型
2.1.8 向量的下標
2.2 因子
2.3 矩陣和數組
2.3.1 生成矩陣
2.3.2 矩陣下標
2.3.3 矩陣的合並
2.3.4 定義矩陣的行名和列名
2.3.5 矩陣轉化為向量
2.3.6 矩陣的維運算
2.3.7 數組的生成
2.3.8 數組下標
2.4 列表
2.5 數據框
2.5.1 數據框的生成
2.5.2 數據框的引用
2.5.3 定義數據框的變量名
2.6 創建R數據
2.6.1 在R中錄入數據
2.6.2 數據的使用和編輯
2.7 生成隨機數和隨機樣本
2.7.1 隨機數
2.7.2 隨機樣本
2.8 編寫自定義函數
2.8.1 編寫函數
2.8.2 循環函數
2.9 繪制多圖
2.10 腳本
2.11 輸入數據與讀寫數據
習題2
第3章 統計數據的描述性分析
3.1 統計數據的整理與顯示
3.1.1 統計數據的分組
3.1.2 次數分配與頻數分佈圖
3.1.3 條形圖和餅圖
3.1.4 Pareto圖
3.1.5 直方圖
3.1.6 莖葉圖
3.2 集中趨勢的度量
3.3 離中趨勢的度量
3.4 分佈形狀的度量
3.5 數據分佈的正態性檢驗和分佈擬合檢驗
3.6 多元數據的可視化
習題3
第4章 總量指標和相對指標
4.1 總量指標
4.2 相對指標
4.2.1 相對指標的種類和計算方法
4.2.2 運用相對數指標的原則
習題4
第5章 概率論基礎
5.1 隨機事件與概率
5.1.1 隨機試驗與隨機事件
5.1.2 概率
5.1.3 古典概型
5.1.4 幾何概型
5.1.5 條件概率
5.1.6 乘法公式、全概率公式、貝葉斯公式
5.1.7 事件的獨立性
5.2 隨機變量及其分佈
5.2.1 隨機變量的定義及分佈函數
5.2.2 離散型隨機變量
5.3 連續型隨機變量
5.4 常用隨機變量分佈的R實現
習題5
第6章 樣本與抽樣分佈
6.1 樣本與統計量
6.1.1 總體與樣本
6.1.2 統計量
6.1.3 經驗分佈函數
6.2 大數定律與中心極限定理
6.2.1 大數定律
6.2.2 中心極限定理
6.3 中心極限定理在抽樣分佈中的應用
6.3.1 樣本均值的抽樣分佈
6.3.2 樣本比例p的抽樣分佈
6.4 常用統計量的抽樣分佈
6.4.1 三種常用統計分佈
6.4.2 正態總體下常用統計量的分佈
6.4.3 樣本比例的抽樣分佈
習題6
第7章 參數估計
7.1 點估計
7.2 估計量的評價標準
7.3 區間估計
7.3.1 單個正態總體的情況
7.3.2 兩個正態總體參數的區間估計
7.4 總體比例的區間估計
7.5 樣本容量的確定
習題7
第8章 假設檢驗
8.1 假設檢驗的基本概念
8.2 單個正態總體參數的假設檢驗
8.3 兩個正態總體參數的假設檢驗
8.4 總體比例的假設檢驗
8.5 擬合優度檢驗
習題8
第9章 方差分析
9.1 單因素方差分析
9.2 雙因素方差分析
習題9
第10章 相關與回歸分析
10.1 相關分析
10.2 一元線性回歸分析
10.3 利用回歸方程進行預測
10.4 非線性回歸分析
習題10
第11章 多元回歸分析
11.1 數學模型
11.2 多元回歸模型的擬合優度
11.3 多元回歸模型的顯著性檢驗
11.4 回歸診斷
11.5 利用回歸模型進行預測
11.6 定性變量的回歸模型
習題11
第12章 時間序列分析
12.1 時間序列的成分
12.2 移動平均法與指數平滑法
12.3 回歸預測分析
12.4 時間序列的平穩性
習題12
參考文獻