统计学 基于R应用

前言
第1章 统计学与
1.1 统计学与数据
1.1.1 什么是统计学
1.1.2 数据及其来源
1.2 R简介
1.2.1 R的初步使用
1.2.2 数据的读入与保存
1.2.3 包的安装和加载
1.2.4 函数的编写
思考与练习
第2章 数据的描述
2.1 用图表描述数据
2.1.1 类别数据的图表展示
2.1.2 数值数据的图表展示
2.1.3 使用图表的注意事项
2.2 用统计量描述数据
2.2.1 水平的描述
2.2.2 差异的描述
2.2.3 分布形状的描述
思考与练习
第3章 概率分布
3.1 什么是概率
3.2 随机变量的概率分布
3.2.1 随机变量及其概括性度量
3.2.2 随机变量的概率分布
3.2.3 其他几个重要的统计分布
3.3 样本统计量的概率分布
3.3.1 统计量及其分布
3.3.2 样本均值的分布
3.3.3 其他统计量的分布
3.3.4 统计量的标准误差
思考与练习
第4章 参数估计
4.1 参数估计的基本原理
4.1.1 点估计与区间估计
4.1.2 评价估计量的标准
4.2 总体均值的区间估计
4.2.1 一个总体均值的估计
4.2.2 两个总体均值之差的估计
4.3 总体比例的区间估计
4.3.1 一个总体比例的估计
4.3.2 两个总体比例之差的估计
4.4 总体方差的区间估计
4.4.1 一个总体方差的估计
4.4.2 两个总体方差比的估计
思考与练习
第5章 假设检验
5.1 假设检验的基本原理
5.1.1 怎样提出假设
5.1.2 怎样做出决策
5.1.3 怎样表述决策结果
5.2 总体均值的检验
5.2.1 一个总体均值的检验
5.2.2 两个总体均值之差的检验
5.3 总体比例的检验
5.3.1 一个总体比例的检验
5.3.2 两个总体比例之差的检验
5.4 总体方差的检验
5.4.1 一个总体方差的检验
5.4.2 两个总体方差比的检验
思考与练习
第6章 类别变量分析
6.1 一个类别变量的拟合优度检验
6.1.1 期望频数相等
6.1.2 期望频数不等
6.2 两个类别变量的独立性检验
6.2.1 列联表与χ2独立性检验
6.2.2 应用χ2检验的注意事项
6.3 两个类别变量的相关性度量
6.3.1 φ系数和Cramer's V系数
6.3.2 列联系数
思考与练习
第7章 方差分析
7.1 方差分析的基本原理
7.1.1 什么是方差分析
7.1.2 误差分解
7.1.3 方差分析的基本假定
7.2 单因子方差分析
7.2.1 数学模型
7.2.2 效应检验
7.2.3 多重比较
7.3 双因子方差分析
7.3.1 数学模型
7.3.2 主效应分析
7.3.3 交互效应分析
思考与练习
第8章 一元线性回归
8.1 变量间的关系
8.1.1 确定变量之间的关系
8.1.2 相关关系的描述
8.1.3 关系强度的度量
8.2 回归模型的估计和检验
8.2.1 一元线性回归模型
8.2.2 参数的最小二乘估计
8.2.3 模型的拟合优度
8.2.4 模型的显著性检验
8.3 利用回归方程进行预测
8.3.1 平均值的置信区间
8.3.2 个别值的预测区间
8.4 回归模型的诊断
8.4.1 残差与标准化残差
8.4.2 模型诊断
思考与练习
第9章 多元线性回归
9.1 多元线性回归模型
9.1.1 回归模型与回归方程
9.1.2 参数的最小二乘估计
9.2 拟合优度和显著性检验
9.2.1 模型的拟合优度
9.2.2 模型的显著性检验
9.3 多重共线性及其处理
9.3.1 多重共线性及其识别
9.3.2 变量选择与逐步回归
9.4 利用回归方程进行预测
思考与练习
第10章 时间序列预测
10.1 时间序列的成分和预测方法
10.1.1 时间序列的成分
10.1.2 预测方法的选择与评估
10.2 指数平滑预测
10.2.1 指数平滑模型的一般表达
10.2.2 简单指数平滑预测
10.2.3 Holt指数平滑预测
10.2.4 Winter指数平滑预测
10.3 趋势外推预测
10.3.1 线性趋势预测
10.3.2 非线性趋势预测
10.4 分解预测
思考与练习
参考书目