图书介绍
R统计应用开发实战pdf电子书版本下载
- （印）塔特尔著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111493471
- 出版时间：2015
- 标注页数：240页
- 文件大小：34MB
- 文件页数：253页
- 主题词：统计分析－统计程序
PDF下载
下载说明
R统计应用开发实战PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 数据特征 1
1.1 问卷调查及其组成部分 1
1.2 在计算机科学中的不确定性研究 5
1.3 R安装 6
1.3.1 使用R包 7
1.3.2 RSADBE——本书的R包 8
1.3.3 离散分布 9
1.3.4 离散均匀分布 10
1.3.5 二项分布 11
1.3.6 超几何分布 13
1.3.7 负二项分布 14
1.3.8 泊松分布 15
1.4 连续分布 16
1.4.1 均匀分布 16
1.4.2 指数分布 17
1.4.3 正态分布 18
1.5 本章小结 20
第2章 数据导入和导出 21
2.1 data.frame和其他格式数据 21
2.1.1 常数、向量和矩阵 21
2.1.2 列表对象 28
2.1.3 data.frame对象 30
2.1.4 表对象 33
2.2 函数read.csv、read.xls以及外来程序包 35
2.3 导出数据／图表 41
2.3.1 导出R对象 41
2.3.2 导出图表 41
2.4 管理一个R会话 43
2.5 本章小结 45
第3章 数据可视化 46
3.1 分类数据的可视化技术 47
3.1.1 条形图 47
3.1.2 点图 52
3.1.3 脊柱图、马赛克图 54
3.1.4 饼图和四折图 58
3.2 连续型变量数据的可视化 59
3.2.1 箱线图 60
3.2.2 直方图 62
3.2.3 散点图 66
3.2.4 帕累托图 70
3.3 ggPlot概述 71
3.4 本章小结 73
第4章 探索性分析 75
4.1 基本汇总统计量 75
4.1.1 百分位数、四分位数和中位数 76
4.1.2 折页数 76
4.1.3 四分位极差 77
4.2 茎叶图 80
4.3 字母值 83
4.4 数据变换 84
4.5 袋状图：二元箱线图 86
4.6 耐抗线 88
4.7 平滑数据 90
4.8 中位数平滑 93
4.9 本章小结 95
第5章 统计推断 97
5.1 极大似然估计 98
5.1.1 可视化似然函数 98
5.1.2 寻找极大似然估计 101
5.1.3 使用fitdistr函数 103
5.2 置信区间 105
5.3 假设检验 108
5.3.1 二项式检验 109
5.3.2 比例检验和卡方检验 111
5.3.3 基于正态分布检验：单样本 113
5.3.4 基于正态分布检验：两样本 118
5.4 本章小结 121
第6章 线性回归分析 122
6.1 简单线性回归模型 123
6.1.1 随意选择参数会发生什么 123
6.1.2 建立一个简单线性回归模型 126
6.1.3 ANOVA及置信区间 128
6.1.4 模型验证 129
6.2 多元线性回归模型 133
6.2.1 平均K个简单线性回归模型或建立一个多元回归模型 134
6.2.2 建立一个多元线性回归模型 136
6.2.3 多元线性回归模型的ANOVA和置信区间 137
6.2.4 有用的残差图 139
6.3 回归诊断 141
6.3.1 杠杆点 142
6.3.2 影响点 142
6.3.3 DFFITS和DFBETAS 143
6.4 多重共线性问题 143
6.5 选择模型 145
6.5.1 逐步选择 145
6.5.2 基于准则的方法 146
6.6 本章小结 150
第7章 logistic回归模型 151
7.1 二元回归问题 151
7.2 probit回归模型 153
7.3 logistic回归模型 155
7.4 模型验证和诊断 160
7.4.1 广义线性模型的残差图 160
7.4.2 广义线性模型的影响点和控制点 163
7.5 接收操作曲线 166
7.6 德国的信用甄别数据集的logistic回归 168
7.7 本章小结 171
第8章 正规化回归模型 172
8.1 过度拟合问题 172
8.2 回归样条 176
8.2.1 基函数 176
8.2.2 分段线性回归模型 176
8.2.3 自然三次样条函数和一般的B样条曲线 179
8.3 线性模型的岭回归 183
8.4 logistic回归模型的岭回归 187
8.5 再看模型评估 188
8.6 本章小结 193
第9章 分类与回归树 194
9.1 递归划分法 194
9.1.1 划分数据 196
9.1.2 第一个树 197
9.2 构造回归树 200
9.3 构造分类树 209
9.4 德国信用数据集的分类树 215
9.5 树的修剪和完善 218
9.6 本章小结 220
第10章 分类与回归树及其他 222
10.1 分类与回归树的改进 222
10.2 Bagging 225
10.2.1 bootstrap算法 225
10.2.2 bagging算法 227
10.3 随机森林 230
10.4 整合 233
10.5 本章小结 238
参考文献 239