R 4編程入門與數據科學實戰 Beginning R 4: From Beginner to Pro
[美]馬塔·威利(Matt Wiley),[澳]喬舒亞·威利(Joshua F. Wiley)著 孫雲華 郭濤 譯
- 出版商: 清華大學
- 出版日期: 2023-06-01
- 定價: $599
- 售價: 8.5 折 $509
- 語言: 簡體中文
- 頁數: 352
- 裝訂: 平裝
- ISBN: 7302629382
- ISBN-13: 9787302629382
-
相關分類:
R 語言、Data Science
- 此書翻譯自: Beginning R 4: From Beginner to Pro
立即出貨
買這商品的人也買了...
-
$348$331 -
$301R語言入門與實踐
-
$550$468 -
$505R語言入門經典
-
$880$695 -
$450$351 -
$704R語言之書 編程與統計
-
$954$906 -
$352概率、決策與博弈: 基於R語言介紹 (Probability, Decisions and Games: A Gentle Introduction Using R)
-
$311誰說菜鳥不會數據分析 (R語言篇)
-
$403Python 數據分析
-
$419$398 -
$709高級 R語言編程指南, 2/e
-
$352深入淺出 R語言數據分析
-
$350$315 -
$454Python 網絡爬蟲技術與實戰
-
$454數據科學工程實踐:用戶行為分析與建模、A/B實驗、SQLFlow
-
$599$509 -
$505統計建模與 R軟件, 2/e
-
$580$383 -
$422一本書讀懂 ChatGPT
-
$607Python 概率統計
-
$560$442 -
$750$713 -
$480$408
相關主題
商品描述
學習如何使用R 4,編寫和保存R腳本,讀入和寫出數據文件,使用內置函數,並瞭解常用的統計方法。這本深入淺出的教程介紹了R 4的主要功能,包括圖表的新調色板、可用於大數據的增強的參考計數系統,以及文本的新數據導入設置和對基於文本的分類數據進行建模的統計方法。 書中每一章都以知識點清單開始,最後是對該章介紹的R函數的總結,以及用於測試新知識的練習。本書開篇介紹了R和CRAN軟件包在Windows和macOS上的實踐安裝,大部分內容是對統計方法的介紹(非驗證性的、應用性的統計),主要依靠R和R可視化來理解、激勵和進行統計測試和建模。本書展示了R在具體案例中的使用,如方差分析、多元回歸和調節回歸、數據可視化、假設檢驗等,並採取了一種基於實例的實踐方法,將**實踐與對所做統計的清晰解釋結合起來。 主要內容 ◆ 獲取並安裝R和RStudio ◆ 從多種文件格式導入和導出數據 ◆ 分析數據並生成圖形(包括置信區間) ◆ 互動式地進行假設檢驗 ◆ 對多元回歸和調節回歸解決方案進行編碼
目錄大綱
第1章 R語言的安裝 1
1.1 技術棧 2
1.2 操作系統升級 2
1.2.1 Windows 2
1.2.2 macOS 2
1.3 從CRAN下載並安裝R語言 3
1.3.1 Windows 3
1.3.2 macOS 3
1.4 下載並安裝RStudio軟件 4
1.4.1 Windows 4
1.4.2 macOS 5
1.5 RStudio的使用方法 5
1.6 R語言腳本的編寫 9
1.7 總結 13
1.8 練習與融會貫通 13
1.8.1 理論核查 13
1.8.2 練習題 14
第2章 程序包的安裝與使用 15
2.1 程序包的安裝 16
2.2.1 haven程序包 17
2.2.2 readxl程序包 17
2.2.3 writexl程序包 18
2.2.4 data.table程序包 18
2.2.5 extraoperators程序包 19
2.2.6 JWileymisc程序包 19
2.2.7 ggplot2程序包 19
2.2.8 visreg程序包 20
2.2.9 emmeans程序包 20
2.2.10 ez程序包 21
2.2.11 palmerpenguins程序包 21
2.2 程序包的使用說明 21
2.3 總結 22
2.4 練習與融會貫通 22
2.4.1 理論核查 23
2.4.2 練習題 23
第3章 數據的輸入與輸出 25
3.1 設置R語言 25
3.2 輸入 26
3.2.1 手動輸入 26
3.2.2 CSV格式文件:.csv 27
3.2.3 Excel格式文件:.xlsx或.xls 29
3.2.4 RDS格式文件:.rds 30
3.2.5 其他專有格式 31
3.3 輸出 33
3.3.1 CSV格式文件 33
3.3.2 Excel 格式文件 33
3.3.3 RDS格式文件 34
3.4 總結 34
3.5 練習與融會貫通 34
3.5.1 理論核查 35
3.5.2 練習題 35
第4章 數據的處理 37
4.1 設置R語言 37
4.2 數據樣式 39
4.3 data.table的工作方式 41
4.3.1 行操作的工作方式 41
4.3.2 列操作的工作方式 51
4.3.3 組操作的工作方式 57
4.4 示例 58
4.4.1 示例一:市區計數 58
4.4.2 示例二:都市統計區 59
4.4.3 示例三 60
4.5 總結 60
4.6 練習與融會貫通 62
4.6.1 理論核查 62
4.6.2 練習題 62
第5章 數據與樣本 63
5.1 設置R語言 63
5.2 總體與樣本 64
5.3 變量與數據 65
5.3.1 示例一 66
5.3.2 示例二 68
5.3.3 示例三 69
5.3.4 關於變量與數據的思考 69
5.4 統計思維 70
5.5 研究評估 70
5.6 樣本評估 71
5.6.1 便利抽樣 72
5.6.2 K抽樣 74
5.6.3 分群抽樣 77
5.6.4 分層抽樣 80
5.6.5 隨機抽樣 84
5.6.6 樣本知識回顧 86
5.7 頻數表 87
5.7.1 示例一 87
5.7.2 示例二 89
5.7.3 示例三 90
5.8 總結 93
5.9 練習與融會貫通 95
5.9.1 理論核查 95
5.9.2 練習題 95
第6章 描述性統計 97
6.1 設置R語言 97
6.2 可視化 98
6.2.1 柱狀圖 98
6.2.2 點圖/圖表 103
6.2.3 ggplot2繪圖包 105
6.3 集中趨勢 112
6.3.1 算術平均值 112
6.3.2 中位數 116
6.4 數據的分佈 119
6.4.1 示例一 120
6.4.2 示例二 123
6.4.3 示例三 125
6.5 數據湍流(方差) 126
6.5.1 示例一 129
6.5.2 示例二 131
6.6 總結 132
6.7 練習與融會貫通 133
6.7.1 理論核查 134
6.7.2 練習題 134
第7章 概率與分佈 137
7.1 設置R語言 137
7.2 概率 138
7.2.1 示例一:獨立性 140
7.2.2 示例二:補集 141
7.2.3 概率思維總結 142
7.3 正態分佈 143
7.3.1 示例一 145
7.3.2 示例二 147
7.3.3 示例三 148
7.3.4 示例四 150
7.4 概率分佈 154
7.4.1 示例一 156
7.4.2 示例二 158
7.5 中心極限定理 159
7.5.1 示例一 161
7.5.2 示例二 165
7.5.3 示例三 169
7.6 總結 172
7.7 練習與融會貫通 173
7.7.1 理論核查 173
7.7.2 練習題 174
第8章 相關與回歸 175
8.1 設置R語言 175
8.2 相關性 177
8.2.1 參數化 179
8.2.2 非參數化:斯皮爾曼 181
8.2.3 非參數化:肯德爾 183
8.2.4 相關性選擇 185
8.3 簡單的線性回歸關系 185
8.3.1 介紹 185
8.3.2 假設 189
8.3.3 方差R2的定義 193
8.3.4 R語言中的線性回歸 193
8.4 總結 202
8.5 練習與融會貫通 203
8.5.1 理論核查 203
8.5.2 練習題 204
第9章 置信區間 205
9.1 設置R語言 206
9.2 可視化置信區間 207
9.2.1 示例一:Sigma已知 210
9.2.2 示例二:Sigma未知 216
9.2.3 示例三 218
9.2.4 示例四 219
9.3 相似與不同數據的比較與理解 221
9.3.1 示例一 221
9.3.2 示例二 223
9.4 總結 224
9.5 練習與融會貫通 224
9.5.1 理論核查 225
9.5.2 練習題 225
第10章 假設檢驗 227
10.1 設置R語言 227
10.2 H0與H1的對比 228
10.2.1 示例一 229
10.2.2 示例二 229
10.3 第一類錯誤與第二類錯誤 230
10.3.1 示例一 231
10.3.2 示例二 232
10.3.3 示例三 232
10.4 Alpha與Beta的概念 232
10.5 假設 235
10.6 零假設顯著性檢驗 236
10.6.1 示例一 237
10.6.2 示例二 239
10.6.3 示例三 241
10.7 總結 243
10.8 練習與融會貫通 244
10.8.1 理論核查 244
10.8.2 練習題 244
第11章 多元回歸 245
11.1 設置R語言 245
11.2 線性回歸的Redux架構 247
11.3 多元回歸 254
11.3.1 多元預測模型的意義 254
11.3.2 R語言中的多元回歸 256
11.3.3 效應的範圍與格式 263
11.3.4 假設與清除 274
11.4 分類預測 279
11.4.1 示例一 282
11.4.2 示例二 285
11.5 總結 288
11.6 練習與融會貫通 289
11.6.1 理論核查 289
11.6.2 練習題 289
第12章 調節回歸 291
12.1 設置R語言 291
12.2 調節回歸理論 292
12.3 R語言中分類變量與連續變量的調節回歸 296
12.4 R語言中存在兩個連續變量的調節回歸 305
12.5 總結 313
12.6 練習與融會貫通 313
12.6.1 理論核查 313
12.6.2 練習題 313
第13章 方差分析 317
13.1 設置R語言 317
13.2 方差分析的背景 318
13.3 單因素方差分析 324
13.3.1 示例一 324
13.3.2 示例二 329
13.4 多因素方差分析 332
13.4.1 示例一 332
13.4.2 示例二 343
13.5 總結 347
13.6 練習與融會貫通 348
13.6.1 理論核查 348
13.6.2 練習題 348
參考文獻 351