數據分析：R 語言實戰 数据分析:R语言实战

<內容介紹>

大數據時代，數據成為決策最為重要的參考之一，數據分析行業邁入了一個全新的階段。R是一款非常優秀的統計分析軟件，這本由李詩羽、張飛、王正林編著的《數據分析——R語言實戰(大數據時代的R語言)》側重於使用R進行數據的處理、整理和分析，重點講述了R的數據分析流程、演算法包的使用以及相關工具的應用，同時結合大量精選的數據分析問題對R軟件進行科學、準確和全面的介紹，以便使讀者能深刻理解R的精髓和靈活、高效的使用技巧。
    通過本書，讀者不僅能掌握使用R及相關的演算法包來快速解決實際問題，而且能學會從實際問題分析入手，到利用R進行求解，以及對結果進行分析。
    本書可作為電腦、因特網、機器學習、信息、數學、經濟金融、管理、運籌、統計以及有關理工科專業的本科生、研究生的學慣用書，也能幫助市場營銷、金融、人力資源管理人員及產品經理解決實際問題，還能幫助從事咨詢、研究、分析行業的人士及各級管理人員提高專業水平。

<章節目錄>

上篇：數據預處理
  第0章  致敬，R！
    致敬，肩膀！
    致敬，時代！
    致敬，人才！
    致敬，R瑟！
  第1章  數據分析導引
    1.1  數據分析概述
    1.1.1  數據分析的原則
    1.1.2  數據分析的步驟
    1.1.3  數據分析的過程
    1.1.4  數據分析的對象
    1.2  大數據分析
    1.2.1  大數據分析的流程
    1.2.2  大數據分析的基本方面
    1.2.3  大數據分析的應用
    1.3  數據分析常用工具
    1.4  R在數據分析中的優勢
  第2章  數據的讀取與保存
    2.1  數據讀取
    2.1.1  讀取內置數據集
    2.1.2  讀取文本文件
    2.1.3  讀取固定寬度格式的文件
    2.1.4  讀取Excel數據
    2.1.5  讀取數據庫文件
    2.1.6  讀取網頁數據
    2.1.7  讀入R格式的文件
    2.1.8  從其他統計軟件讀入數據
    2.2  數據保存
    2.2.1  使用函數
    2.2.2  保存為文本文件
    2.2.3  保存R格式文件
    2.2.4  保存為其他類型文件
  第3章  數據預處理
    3.1  基本函數
    3.2  數據修改
    3.2.1  修改數據標籤
    3.2.2  行列刪除
    3.3  缺失值處理
    3.3.1  判斷缺失數據
    3.3.2  判斷缺失模式
    3.3.3  處理缺失數據
    3.4  數據整理
    3.4.1  數據合併
    3.4.2  選取數據的子集
    3.4.3  數據排序
    3.5  長寬格式的轉換
    3.5.1  揉數據函數
    3.5.2  揉數據的最佳伴侶
中篇：基本分析及應用

  第4章  數據的圖形描述
    4.1  R繪圖概述
    4.2  繪圖區域分割
    4.2.1  函數
    4.2.2  函數lay
    4.2.3  函數split.scr
    4.3  二維圖形
    4.3.1  高級繪圖函數
    4.3.2  多元數據繪圖
    4.3.3  低級繪圖函數
    4.3.4  圖形美化
    4.3.5  交互式繪圖命令
    4.4  三維圖形
    4.5  LATTICE程序包
    4.6  GGPLOT2程序包
    4.6.1  快速繪圖
    4.6.2  分圖層繪圖
    4.7  圖形保存
    4.8  綜合實例：數據地圖
  第5章  數據的描述性分析
    5.1  R內置的分佈
    5.2  集中趨勢的分析
    5.2.1  集中趨勢的測度
    5.2.2  R語言實現
    5.3  離散趨勢的分析
    5.3.1  離散趨勢的測度
    5.3.2  R語言實現
    5.4  數據的分佈分析
    5.4.1  分佈情況的測度
    5.4.2  R語言實現
    5.5  圖形分析及R實現
    5.5.1  直方圖和密度函數圖
    5.5.2  QQ圖
    5.5.3  莖葉圖
    5.5.4  箱線圖
    5.5.5  經驗分佈圖
    5.6  多組數據分析及R實現
    5.6.1  多組數據的統計分析
    5.6.2  多組數據的圖形分析
  第6章  參數估計及R實現
    6.1  點估計及R實現
    6.1.1  矩估計
    6.1.2  極大似然估計
    6.2  單正態總體的區間估計
    6.2.1  均值 的區間估計
    6.2.2  方差 的區間估計
    6.3  兩正態總體的區間估計
    6.3.1  均值差 的區間估計
    6.3.2  兩方差比 的區間估計
    6.4  關於比率的區間估計

  第7章  假設檢驗及R實現
    7.1  假設檢驗概述
    7.1.1  理論依據
    7.1.2  檢驗步驟
    7.1.3  兩類錯誤
    7.2  單正態總體的檢驗
    7.2.1  均值 的檢驗
    （2） 未知
    7.2.2  方差 的檢驗
    7.3  兩正態總體的檢驗
    7.3.1  均值差 的檢驗
    7.3.2  成對數據的t檢驗
    7.3.3  兩總體方差的檢驗
    7.4  比率的檢驗
    7.4.1  比率的二項分佈檢驗
    7.4.2  比率的近似檢驗
    7.5  非參數的檢驗
    7.5.1  總體分佈的 檢驗
    7.5.2  Kolmogrov-Smirnov檢驗
  第8章  方差分析及R實現
    8.1  單因素方差分析及R實現
    8.1.1  基本假設的檢驗
    8.1.2  單因素方差分析
    8.1.3  多重t檢驗
    8.1.4  Kruskal-Wallis秩和檢驗
    8.2  雙因素方差分析及R實現
    8.2.1  無交互作用的分析
    8.2.2  有交互作用的分析
    8.3  協方差分析及R實現
  第9章  回歸分析及R實現
    9.1  一元線性回歸
    9.1.1  模型理論
    9.1.2  顯著性檢驗
    9.1.3  R語言實現
    9.2  多元線性回歸
    9.2.1  模型理論
    9.2.2  顯著性檢驗
    9.2.3  R語言實現
    9.2.4  逐步回歸
    9.3  回歸診斷及R實現
    9.3.1  殘差診斷
    9.3.2  影響分析
    9.3.3  多重共線性診斷
    9.4  嶺回歸及R實現
    9.5  廣義線性模型
    9.5.1  模型理論
    9.5.2  R語言實現
  第10章  主成分分析與因子分析
    10.1  主成分分析
    10.1.1  理論基礎

    10.1.2  R語言實現
    10.2  因子分析
    10.2.1  理論模型
    10.2.2  因子載荷矩陣的估計方法
    10.2.3  R語言實現
  第11章  典型相關分析和對應分析
    11.1  典型相關分析
    11.1.1  理論基礎
    11.1.2  典型相關分析的應用
    11.1.3  R語言實現
    11.2  對應分析
    11.2.1  理論基礎
    11.2.2  對應分析的步驟
    11.2.3  R語言實現
  第12章  判別分析和聚類分析
    12.1  判別分析及R實現
    12.1.1  距離判別法
    12.1.2  距離判別法的R實現
    12.1.3  Fisher判別法
    12.1.4  Fisher判別法的R實現
    12.1.5  貝葉斯判別法
    12.1.6  貝葉斯判別法的R實現
    12.2  聚類分析及R實現
    12.2.1  理論概述
    12.2.2  R實現舉例
  第13章  時間序列分析及R實現
    13.1  時間序列的基本分析
    13.1.1  平穩性與非平穩性
    13.1.2  R實現的基本步驟
    13.2  時間序列的分解
    13.2.1  分解非季節性數據
    13.2.2  分解季節性數據
    13.3  指數平滑法預測分析
    13.3.1  簡單指數平滑法
    13.3.2  殘差的白噪聲檢驗
    13.3.3  Holt指數平滑法
    13.3.4  Winters指數平滑法
    13.4  ARIMA模型分析
    13.4.1  基本思想
    13.4.2  平穩化處理
    13.4.3  建模
    13.4.4  模型的參數估計
    13.4.5  模型預測及檢驗
下篇：綜合實例
  第14章  R在金融數據分析中的應用
    14.1  投資組合最優化實例
    14.1.1  概述
    14.1.2  均值—方差模型
    14.1.3  模擬退火演算法
    14.2  構造投資組合的有效前沿

    14.2.1  R中的演算法包
    14.2.2  計算分析
    14.3  股票聚類分析
    14.3.1  概述
    14.3.2  K-means聚類分析
    14.3.3  層次聚類分析
  第15章  R在數據預測中的應用
    15.1  回歸分析預測
    15.1.1  概述
    15.1.2  綜合實例
    15.2  時間序列預測
    15.2.1  概述
    15.2.2  綜合實例