統(tǒng)計(jì)學(xué)·基于R應(yīng)用

前言
第1章　統(tǒng)計(jì)學(xué)與R1
1.1　統(tǒng)計(jì)學(xué)與數(shù)據(jù)1
1.1.1　什么是統(tǒng)計(jì)學(xué)1
1.1.2　數(shù)據(jù)及其來源2
1.2　R簡介5
1.2.1　R的初步使用5
1.2.2　數(shù)據(jù)的讀入與保存6
1.2.3　包的安裝和加載8
1.2.4　函數(shù)的編寫9
思考與練習(xí)9
第2章　數(shù)據(jù)的描述11
2.1　用圖表描述數(shù)據(jù)11
2.1.1　類別數(shù)據(jù)的圖表展示11
2.1.2　數(shù)值數(shù)據(jù)的圖表展示15
2.1.3　使用圖表的注意事項(xiàng)24
2.2　用統(tǒng)計(jì)量描述數(shù)據(jù)25
2.2.1　水平的描述25
2.2.2　差異的描述27
2.2.3　分布形狀的描述30
思考與練習(xí)32
第3章　概率分布35
3.1　什么是概率35
3.2　隨機(jī)變量的概率分布36
3.2.1　隨機(jī)變量及其概括性度量36
3.2.2　隨機(jī)變量的概率分布38
3.2.3　其他幾個重要的統(tǒng)計(jì)分布42
3.3　樣本統(tǒng)計(jì)量的概率分布46
3.3.1　統(tǒng)計(jì)量及其分布46
3.3.2　樣本均值的分布47
3.3.3　其他統(tǒng)計(jì)量的分布49
3.3.4　統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤差50
思考與練習(xí)51
第4章　參數(shù)估計(jì)53
4.1　參數(shù)估計(jì)的基本原理53
4.1.1　點(diǎn)估計(jì)與區(qū)間估計(jì)53
4.1.2　評價(jià)估計(jì)量的標(biāo)準(zhǔn)56
4.2　總體均值的區(qū)間估計(jì)57
4.2.1　一個總體均值的估計(jì)57
4.2.2　兩個總體均值之差的估計(jì)60
4.3　總體比例的區(qū)間估計(jì)64
4.3.1　一個總體比例的估計(jì)64
4.3.2　兩個總體比例之差的估計(jì)65
4.4　總體方差的區(qū)間估計(jì)66
4.4.1　一個總體方差的估計(jì)66
4.4.2　兩個總體方差比的估計(jì)67
思考與練習(xí)67
第5章　假設(shè)檢驗(yàn)70
5.1　假設(shè)檢驗(yàn)的基本原理70
5.1.1　怎樣提出假設(shè)70
5.1.2　怎樣做出決策71
5.1.3　怎樣表述決策結(jié)果75
5.2　總體均值的檢驗(yàn)76
5.2.1　一個總體均值的檢驗(yàn)76
5.2.2　兩個總體均值之差的檢驗(yàn)79
5.3　總體比例的檢驗(yàn)82
5.3.1　一個總體比例的檢驗(yàn)82
5.3.2　兩個總體比例之差的檢驗(yàn)83
5.4　總體方差的檢驗(yàn)85
5.4.1　一個總體方差的檢驗(yàn)85
5.4.2　兩個總體方差比的檢驗(yàn)86
思考與練習(xí)87
第6章　類別變量分析91
6.1　一個類別變量的擬合優(yōu)度檢驗(yàn)91
6.1.1　期望頻數(shù)相等91
6.1.2　期望頻數(shù)不等92
6.2　兩個類別變量的獨(dú)立性檢驗(yàn)93
6.2.1　列聯(lián)表與χ2獨(dú)立性檢驗(yàn)93
6.2.2　應(yīng)用χ2檢驗(yàn)的注意事項(xiàng)94
6.3　兩個類別變量的相關(guān)性度量95
6.3.1　φ系數(shù)和Cramer’s V系數(shù)95
6.3.2　列聯(lián)系數(shù)96
思考與練習(xí)96
第7章　方差分析98
7.1　方差分析的基本原理98
7.1.1　什么是方差分析98
7.1.2　誤差分解98
7.1.3　方差分析的基本假定99
7.2　單因子方差分析100
7.2.1　數(shù)學(xué)模型100
7.2.2　效應(yīng)檢驗(yàn)101
7.2.3　多重比較103
7.3　雙因子方差分析104
7.3.1　數(shù)學(xué)模型104
7.3.2　主效應(yīng)分析105
7.3.3　交互效應(yīng)分析108
思考與練習(xí)111
第8章　一元線性回歸114
8.1　變量間的關(guān)系114
8.1.1　確定變量之間的關(guān)系114
8.1.2　相關(guān)關(guān)系的描述115
8.1.3　關(guān)系強(qiáng)度的度量117
8.2　回歸模型的估計(jì)和檢驗(yàn)118
8.2.1　一元線性回歸模型119
8.2.2　參數(shù)的最小二乘估計(jì)120
8.2.3　模型的擬合優(yōu)度121
8.2.4　模型的顯著性檢驗(yàn)123
8.3　利用回歸方程進(jìn)行預(yù)測124
8.3.1　平均值的置信區(qū)間124
8.3.2　個別值的預(yù)測區(qū)間125
8.4　回歸模型的診斷127
8.4.1　殘差與標(biāo)準(zhǔn)化殘差127
8.4.2　模型診斷128
思考與練習(xí)130
第9章　多元線性回歸133
9.1　多元線性回歸模型133
9.1.1　回歸模型與回歸方程133
9.1.2　參數(shù)的最小二乘估計(jì)134
9.2　擬合優(yōu)度和顯著性檢驗(yàn)136
9.2.1　模型的擬合優(yōu)度136
9.2.2　模型的顯著性檢驗(yàn)137
9.3　多重共線性及其處理138
9.3.1　多重共線性及其識別139
9.3.2　變量選擇與逐步回歸141
9.4　利用回歸方程進(jìn)行預(yù)測144
思考與練習(xí)145
第10章　時間序列預(yù)測148
10.1　時間序列的成分和預(yù)測方法148
10.1.1　時間序列的成分148
10.1.2　預(yù)測方法的選擇與評估151
10.2　指數(shù)平滑預(yù)測152
10.2.1　指數(shù)平滑模型的一般表達(dá)152
10.2.2　簡單指數(shù)平滑預(yù)測153
10.2.3　Holt指數(shù)平滑預(yù)測156
10.2.4　Winter指數(shù)平滑預(yù)測158
10.3　趨勢外推預(yù)測160
10.3.1　線性趨勢預(yù)測160
10.3.2　非線性趨勢預(yù)測163
10.4　分解預(yù)測168
思考與練習(xí)172
參考書目176