R语言实用教程

　　R语言，一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘. 虽然 R是一款统计软件，但也可用于数值分析和矩阵计算. 本书是 R语言的一本入门教材，讲授学习 R必备的内容. 仅使用最基本的统计知识，介绍 R函数的使用方法，以及如何使用 R的内置函数去解决统计中的问题. 介绍 R中与数值分析相关的内容，并利用相应算法来学习 R语言的编程. 介绍 R的绘图功能，及相关的绘图函数. 本书的每一章是针对一类问题设计的，讨论的内容由浅入深、循序渐进. 并在最后一章介绍扩展 R的方法，读者可以根据自己的需求扩展 R的相关功能. 本书适合于理工、经管和生物等专业的本科生、研究生，或者相关专业的技术人员学习 R使用，可以作为“统计计算”课程的教材或教学参考书，也可作为数学建模竞赛培训的辅导教材.

暂缺《R语言实用教程》作者简介

第1章R语言入门1.1R语言简介1.1.1R软件的下载与安装1.1.2初识R1.1.3下拉式菜单与快捷方式1.2向量1.2.1基本运算1.2.2数据对象1.2.3向量赋值1.2.4产生有规律的向量1.2.5逻辑向量1.2.6向量中的缺失数据1.2.7字符型向量1.2.8用vector函数生成向量1.2.9复数向量1.2.10向量的下标运算1.2.11与数值向量有关的函数1.3因子1.3.1factor函数1.3.2gl函数1.3.3与因子有关的函数1.4矩阵..1.4.1矩阵的生成1.4.2与矩阵运算有关的函数1.4.3矩阵下标1.5数组..1.5.1数组的生成1.5.2数组下标1.5.3apply函数1.6对象和它的模式与属性1.6.1固有属性：mode和length1.6.2修改对象的长度1.6.3attributes和attr函数1.6.4对象的class属性1.7列表1.7.1列表的构造1.7.2列表的修改1.7.3返回值为列表的函数1.8数据框1.8.1数据框的生成1.8.2数据框的引用1.8.3attach函数1.8.4with函数1.8.5列表与数据框的编辑1.8.6lapply函数和sapply函数1.9读、写数据文件1.9.1读纯文本文件1.9.2读取其他软件格式的数据文件1.9.3读取Excel表格数据1.9.4数据集的读取1.9.5写数据文件1.10控制流1.10.1分支函数1.10.2中止语句与空语句1.10.3循环函数1.11R程序设计1.11.1函数定义1.11.2定义新的二元运算1.11.3有名参数与默认参数1.11.4递归函数1.11.5程序运行1.11.6程序调试第2章数值计算2.1向量与矩阵的运算2.1.1向量的四则运算2.1.2向量的内积与外积2.1.3矩阵的四则运算2.1.4矩阵的函数运算2.1.5求解线性方程组2.1.6矩阵分解2.2非线性方程(组)求根2.2.1非线性方程求根2.2.2求解非线性方程组2.3求函数极值2.3.1一元函数极值2.3.2多元函数极值2.4插值2.4.1多项式插值2.4.2分段线性插值2.4.3分段Hermite插值2.4.4三次样条函数2.5数据拟合2.5.1最小二乘原理2.5.2求解超定线性方程组的QR分解方法2.5.3多项式拟合2.6数值积分2.6.1梯形求积公式2.6.2Simpson求积公式2.6.3integrate函数第3章R语言绘图3.1高水平绘图函数.3.1.1基本绘图函数--plot函数3.1.2多组图--pairs函数3.1.3协同图--coplot函数3.1.4点图--dotchart函数3.1.5饼图--pie函数3.1.6条形图--parplot函数3.1.7直方图--hist函数3.1.8箱线图--boxplot函数3.1.9Q-Q图--qqnorm函数3.1.10三维透视图--persp函数3.1.11等值线--contour函数3.2图形参数3.2.1高水平绘图函数中的参数3.2.2图形参数的永久设置3.2.3图形参数的临时设置3.2.4图形元素控制3.3低水平图形函数3.3.1添加点、线、文字、符号或数学表达式3.3.2添加直线、线段和图例3.3.3添加图题、边与盒子3.3.4添加多边形或图形阴影3.3.5交互图形函数3.4图形参数(续)3.4.1坐标轴与坐标刻度3.4.2图形边空3.4.3多图环境3.5图形设备第4章概率、分布与随机模拟4.1组合数与概率计算4.1.1生成组合方案4.1.2生成组合数4.1.3概率计算4.2分布函数4.2.1分布函数4.2.2分位数4.3常用的分布函数4.3.1正态分布4.3.2均匀分布4.3.3指数分布4.3.4二项分布4.3.5Poisson分布4.3.6χ2分布4.3.7t分布4.3.8F分布4.3.9R的内置函数4.4样本统计量4.4.1样本均值4.4.2样本方差4.4.3顺序统计量4.4.4中位数4.4.5分位数4.4.6样本的k阶矩4.4.7偏度系数与峰度系数4.4.8经验分布函数4.5随机抽样与随机模拟4.5.1随机数的生成4.5.2随机抽样4.5.3随机模拟第5章假设检验5.1假设检验的基本思想5.1.1基本概念5.1.2基本思想5.1.3两类错误5.1.4P值5.2重要的参数检验5.2.1t检验5.2.2F检验5.2.3二项分布的近似检验5.2.4二项分布的精确检验5.2.5Poisson检验5.2.6功效检验5.3符号检验与秩检验5.3.1符号检验5.3.2秩检验与秩检验5.3.3尺度参数检验5.4分布检验5.4.1Pearson拟合优度χ2检验5.4.2Kolmogorov-Smirnov检验5.4.3正态性检验5.5列联表检验5.5.1Pearsonχ2独立性检验5.5.2Fisher精确独立性检验5.5.3McNemar检验5.5.4三维列联表的条件独立性检验5.6相关性检验5.6.1Pearson相关检验5.6.2Spearman相关检验5.6.3Kendall相关检验5.6.4cor.test函数5.7游程检验第6章回归分析6.1线性回归6.1.1线性回归模型6.1.2线性回归模型的计算6.1.3预测区间与置信区间6.1.4其他函数6.2回归诊断6.2.1为什么要作回归诊断6.2.2残差检验6.2.3影响分析6.3Box-Cox变换6.4多重共线性6.4.1多重共线性现象6.4.2岭估计6.5逐步回归6.5.1“最优”回归方程的选择6.5.2逐步回归的计算6.6稳健回归6.6.1稳健回归的基本概念6.6.2稳健回归6.6.3抗干扰回归6.7非线性回归6.7.1多项式回归6.7.2局部多项式回归6.7.3非线性回归6.8广义线性回归模型6.8.1glm函数6.8.2Logistic回归模型6.8.3Poisson分布族6.8.4正态分布族第7章多元统计分析7.1方差分析7.1.1方差分析的数学模型7.1.2方差分析的计算7.1.3多重均值检验7.1.4与方差分析有关的函数7.1.5方差分析的进一步讨论7.1.6秩检验7.1.7协方差分析7.2判别分析7.2.1判别分析的数学模型7.2.2判别分析的计算7.3聚类分析7.3.1距离和相似系数7.3.2系统聚类法7.3.3类个数的确定7.3.4实例7.3.5K均值聚类7.4主成分分析7.4.1主成分分析的数学模型7.4.2主成分分析的计算7.4.3主成分分析的应用7.5因子分析7.5.1因子分析的数学模型7.5.2因子分析函数7.5.3因子分析的计算7.6典型相关分析7.6.1典型相关分析的数学模型7.6.2典型相关分析的计算第8章多元分布8.1基本概念8.1.1多元分布函数与概率密度函数8.1.2多元正态分布8.1.3与多元正态分布有关的R函数8.2样本统计量及抽样分布8.2.1样本统计量8.2.2抽样分布8.3多元正态总体均值向量的检验8.3.1单个总体均值向量的检验8.3.2两个总体均值向量的检验8.3.3R中的均值检验函数8.4扩展包中的其他函数8.4.1多元t分布8.4.2多元非参数检验8.4.3多元正态性检验索引参考文献