统计学

作者简介

本书通过大量例子，用简单明了的语言介绍了传统统计学的所有基本概念及方法。 书中还专门用一章的内容来介绍非常重要而实用的机器学习的回归分及类方法。本书采用的计算机语言是多年来在国际上使用排名第一的免费开源软件—r。读者在学完本书之后，能够准确理解统计最重要的基本概念,并能用计算机处理各种数据。

书籍目录

统计学-基于R的应用

本书目录

第 1 章 通过来学统计很容易

1.1统计是什么? 学统计需要什么?

1.2r 不仅是一款软件, 而且是一种文化

习 题

第 2 章 数据及其模式

2.1数据形式、变量

2.2用图形描述变量的分布

2.3用数字描述变量的分布

2.4密度曲线和正态分布

习 题

第 3 章 从数据中发现关系

3.1使用散点图探索数据

3.2相 关

3.3简单线性最小二乘回归

3.4关于相关和回归的注意点

3.5二维列联表的初等分析

习 题

第 4 章 通过实验及抽样获得数据

4.1关于数据

4.2实验设计

4.3抽样设计及推断

习 题

第 5 章 概率: 随机性的度量

5.1随机性及概率模型

5.2随机变量

5.3基本概率计算

习 题

第 6 章 抽样分布

6.1频数和频率

6.2 样本均值

习 题

第 7 章 统计推断: 估计

7.1正态总体均值的置信区间估计

7.2比例的置信区间

7.3对置信区间的常见误解

习 题

第 8 章 统计推断: 显著性检验

8.1正态总体均值的显著性检验

8.2对总体比例的显著性检验

8.3关于中位数的非参数检验

8.4合理使用还是滥用检验

8.5检验的势和决策

习 题

第 9 章 二维列联表和拟合优度的卡方检验

9.1二维列联表推断

9.2拟合优度检验

习 题

第 10 章 对简单线性回归的推断

10.1简单线性模型

10.2简单线性模型参数的推断

习 题

第 11 章 经典多元线性回归

11.1模型和拟合

11.2变换及逐步回归

11.3自变量包括分类变量的回归

11.4关于经典回归的一些说明

11.5logistic 回归和probit 回归

习 题

第 12 章 机器学习方法的分类及回归

12.1机器学习方法简介

12.2分 类

12.3回 归

习 题

附录 练习: 熟练使用 r 软件

参考文献

内容概要

吴喜之，北京大学数学力学系学士，美国北卡罗来纳大学教堂山分校(UNC-Chapel Hill)统计系博士。中国人民大学统计学院教授，博士生导师。曾在美国加利福尼亚大学戴维斯分校(UC-Davis)、北卡罗来纳大学教堂山分校(UNC-Chapel Hill)、北卡罗来纳大学夏洛特分校(UNC-Charlotte)、加利福尼亚大学伯克利分校(UC-Berkeley)、南开大学、中国人民大学、北京大学、中山大学、四川大学等十余所著名学府执教。

 统计学下载 精选章节试读