|
|
|
本書通過大量例子，用簡單明了的語言介紹了傳統統計學的所有基本概念及方法。 書中還專門用一章的內容來介紹非常重要而實用的機器學習的回歸分及類方法。本書采用的計算機語言是多年來在國際上使用排名第一的免費開源軟件—R。讀者在學完本書之后，能夠准確理解統計最重要的基本概念,並能用計算機處理各種數據。
吳喜之，北京大學數學力學系學士，美國北卡羅來納大學教堂山分校(UNC-Chapel Hill)統計系博士。中國人民大學統計學院教授，博士生導師。曾在美國加利福尼亞大學戴維斯分校(UC-Davis)、北卡羅來納大學教堂山分校(UNC-Chapel Hill)、北卡羅來納大學夏洛特分校(UNC-Charlotte)、加利福尼亞大學伯克利分校(UC-Berkeley)、南開大學、中國人民大學、北京大學、中山大學、四川大學等十余所著名學府執教。
第1章 通過來學統計很容易
1.1統計是什麼？學統計需要什麼？
1.2R不僅是一款軟件，而且是一種文化
習題
第2章 數據及其模式
2.1數據形式、變量
2.2用圖形描述變量的分布
2.3用數字描述變量的分布
2.4密度曲線和正態分布
習題
第3章 從數據中發現關系
3.1使用散點圖探索數據
3.2相關
3.3簡單線性最小二乘回歸
3.4關於相關和回歸的注意點
3.5二維列聯表的初等分析
習題
第4章 通過實驗及抽樣獲得數據
4.1關於數據
4.2實驗設計
4.3抽樣設計及推斷
習題
第5章 概率：隨機性的度量
5.1隨機性及概率模型
5.2隨機變量
5.3基本概率計算
習題
第6章 抽樣分布
6.1頻數和頻率
6.2樣本均值
習題
第7章 統計推斷：估計
7.1正態總體均值的置信區間估計
7.2比例的置信區間
7.3對置信區間的常見誤解
習題
第8章 統計推斷：顯著性檢驗
8.1正態總體均值的顯著性檢驗
8.2對總體比例的顯著性檢驗
8.3關於中位數的非參數檢驗
8.4合理使用還是濫用檢驗
8.5檢驗的勢和決策
習題
第9章 二維列聯表和擬合優度的卡方檢驗
9.1二維列聯表推斷
9.2擬合優度檢驗
習題
第10章 對簡單線性回歸的推斷
10.1簡單線性模型
10.2簡單線性模型參數的推斷
習題
第11章 經典多元線性回歸
11.1模型和擬合
11.2變換及逐步回歸
11.3自變量包括分類變量的回歸
11.4關於經典回歸的一些說明
11.5logistic回歸和probit回歸
習題
第12章 機器學習方法的分類及回歸
12.1機器學習方法簡介
12.2分類
12.3回歸
習題
附錄練習：熟練使用R軟件
參考文獻
