图书介绍

R统计应用开发实战PDF|Epub|txt|kindle电子书版本网盘下载

（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

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：082312dc3e6adbf49e79ce4826d52c52

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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

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DFBETAS143

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 Bagging225

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