數(shù)據(jù)分析·R語言實戰(zhàn)：大數(shù)據(jù)時代的R語言

上篇：數(shù)據(jù)預處理
第0章　致敬，R！ 1
致敬，肩膀！ 1
致敬，時代！ 3
致敬，人才！ 3
致敬，R瑟！ 5
第1章　數(shù)據(jù)分析導引 8
1．1 數(shù)據(jù)分析概述 8
1．1．1 數(shù)據(jù)分析的原則 8
1．1．2 數(shù)據(jù)分析的步驟 9
1．1．3 數(shù)據(jù)分析的過程 10
1．1．4 數(shù)據(jù)分析的對象 11
1．2 大數(shù)據(jù)分析 11
1．2．1 大數(shù)據(jù)分析的流程 11
1．2．2 大數(shù)據(jù)分析的基本方面 12
1．2．3 大數(shù)據(jù)分析的應用 13
1．3 數(shù)據(jù)分析常用工具 13
1．4 R在數(shù)據(jù)分析中的優(yōu)勢 14
第2章　數(shù)據(jù)的讀取與保存 16
2．1 數(shù)據(jù)讀取 16
2．1．1 讀取內(nèi)置數(shù)據(jù)集 16
2．1．2 讀取文本文件 17
2．1．3 讀取固定寬度格式的文件 20
2．1．4 讀取Excel數(shù)據(jù) 21
2．1．5 讀取數(shù)據(jù)庫文件 22
2．1．6 讀取網(wǎng)頁數(shù)據(jù) 26
2．1．7 讀入R格式的文件 28
2．1．8 從其他統(tǒng)計軟件讀入數(shù)據(jù) 28
2．2 數(shù)據(jù)保存 31
2．2．1 使用函數(shù)cat() 31
2．2．2 保存為文本文件 32
2．2．3 保存R格式文件 33
2．2．4 保存為其他類型文件 33
第3章　數(shù)據(jù)預處理 34
3．1 基本函數(shù) 34
3．2 數(shù)據(jù)修改 38
3．2．1 修改數(shù)據(jù)標簽 38
3．2．2 行列刪除 38
3．3 缺失值處理 38
3．3．1 判斷缺失數(shù)據(jù) 39
3．3．2 判斷缺失模式 39
3．3．3 處理缺失數(shù)據(jù) 41
3．4 數(shù)據(jù)整理 44
3．4．1 數(shù)據(jù)合并 44
3．4．2 選取數(shù)據(jù)的子集 46
3．4．3 數(shù)據(jù)排序 47
3．5 長寬格式的轉(zhuǎn)換 48
3．5．1 揉數(shù)據(jù)函數(shù) 48
3．5．2 揉數(shù)據(jù)的最佳伴侶 49
中篇：基本分析及應用
第4章　數(shù)據(jù)的圖形描述 54
4．1 R繪圖概述 54
4．2 繪圖區(qū)域分割 55
4．2．1 函數(shù)par() 55
4．2．2 函數(shù)layout() 56
4．2．3 函數(shù)split．screen() 57
4．3 二維圖形 58
4．3．1 高級繪圖函數(shù) 58
4．3．2 多元數(shù)據(jù)繪圖 61
4．3．3 低級繪圖函數(shù) 63
4．3．4 圖形美化 64
4．3．5 交互式繪圖命令 65
4．4 三維圖形 67
4．5 LATTICE程序包 69
4．6 GGPLOT2程序包 73
4．6．1 快速繪圖 74
4．6．2 分圖層繪圖 76
4．7 圖形保存 84
4．8 綜合實例：數(shù)據(jù)地圖 84
第5章　數(shù)據(jù)的描述性分析 88
5．1 R內(nèi)置的分布 88
5．2 集中趨勢的分析 90
5．2．1 集中趨勢的測度 90
5．2．2 R語言實現(xiàn) 91
5．3 離散趨勢的分析 93
5．3．1 離散趨勢的測度 93
5．3．2 R語言實現(xiàn) 94
5．4 數(shù)據(jù)的分布分析 95
5．4．1 分布情況的測度 95
5．4．2 R語言實現(xiàn) 96
5．5 圖形分析及R實現(xiàn) 97
5．5．1 直方圖和密度函數(shù)圖 97
5．5．2 QQ圖 98
5．5．3 莖葉圖 100
5．5．4 箱線圖 100
5．5．5 經(jīng)驗分布圖 102
5．6 多組數(shù)據(jù)分析及R實現(xiàn) 102
5．6．1 多組數(shù)據(jù)的統(tǒng)計分析 102
5．6．2 多組數(shù)據(jù)的圖形分析 103
第6章　參數(shù)估計及R實現(xiàn) 112
6．1 點估計及R實現(xiàn) 112
6．1．1 矩估計 112
6．1．2 極大似然估計 116
6．2 單正態(tài)總體的區(qū)間估計 122
6．2．1 均值 的區(qū)間估計 122
6．2．2 方差 的區(qū)間估計 125
6．3 兩正態(tài)總體的區(qū)間估計 126
6．3．1 均值差 的區(qū)間估計 127
6．3．2 兩方差比 的區(qū)間估計 130
6．4 關于比率的區(qū)間估計 131
第7章　假設檢驗及R實現(xiàn) 134
7．1 假設檢驗概述 134
7．1．1 理論依據(jù) 135
7．1．2 檢驗步驟 135
7．1．3 兩類錯誤 136
7．2 單正態(tài)總體的檢驗 137
7．2．1 均值 的檢驗 138
（2） 未知 140
7．2．2 方差 的檢驗 141
7．3 兩正態(tài)總體的檢驗 142
7．3．1 均值差 的檢驗 143
7．3．2 成對數(shù)據(jù)的t檢驗 146
7．3．3 兩總體方差的檢驗 147
7．4 比率的檢驗 148
7．4．1 比率的二項分布檢驗 148
7．4．2 比率的近似檢驗 149
7．5 非參數(shù)的檢驗 149
7．5．1 總體分布的 檢驗 150
7．5．2 Kolmogrov-Smirnov檢驗 153
第8章　方差分析及R實現(xiàn) 157
8．1 單因素方差分析及R實現(xiàn) 157
8．1．1 基本假設的檢驗 157
8．1．2 單因素方差分析 160
8．1．3 多重t檢驗 164
8．1．4 Kruskal-Wallis秩和檢驗 166
8．2 雙因素方差分析及R實現(xiàn) 168
8．2．1 無交互作用的分析 169
8．2．2 有交互作用的分析 172
8．3 協(xié)方差分析及R實現(xiàn) 176
第9章　回歸分析及R實現(xiàn) 180
9．1 一元線性回歸 180
9．1．1 模型理論 180
9．1．2 顯著性檢驗 181
9．1．3 R語言實現(xiàn) 181
9．2 多元線性回歸 187
9．2．1 模型理論 187
9．2．2 顯著性檢驗 188
9．2．3 R語言實現(xiàn) 189
9．2．4 逐步回歸 192
9．3 回歸診斷及R實現(xiàn) 194
9．3．1 殘差診斷 195
9．3．2 影響分析 198
9．3．3 多重共線性診斷 201
9．4 嶺回歸及R實現(xiàn) 203
9．5 廣義線性模型 206
9．5．1 模型理論 206
9．5．2 R語言實現(xiàn) 207
第10章　主成分分析與因子分析 211
10．1 主成分分析 211
10．1．1 理論基礎 211
10．1．2 R語言實現(xiàn) 215
10．2 因子分析 221
10．2．1 理論模型 221
10．2．2 因子載荷矩陣的估計方法 223
10．2．3 R語言實現(xiàn) 225
第11章　典型相關分析和對應分析 230
11．1 典型相關分析 230
11．1．1 理論基礎 230
11．1．2 典型相關分析的應用 232
11．1．3 R語言實現(xiàn) 233
11．2 對應分析 236
11．2．1 理論基礎 236
11．2．2 對應分析的步驟 237
11．2．3 R語言實現(xiàn) 238
第12章　判別分析和聚類分析 242
12．1 判別分析及R實現(xiàn) 242
12．1．1 距離判別法 243
12．1．2 距離判別法的R實現(xiàn) 244
12．1．3 Fisher判別法 247
12．1．4 Fisher判別法的R實現(xiàn) 248
12．1．5 貝葉斯判別法 251
12．1．6 貝葉斯判別法的R實現(xiàn) 252
12．2 聚類分析及R實現(xiàn) 252
12．2．1 理論概述 253
12．2．2 R實現(xiàn)舉例 254
第13章　時間序列分析及R實現(xiàn) 260
13．1 時間序列的基本分析 260
13．1．1 平穩(wěn)性與非平穩(wěn)性 260
13．1．2 R實現(xiàn)的基本步驟 261
13．2 時間序列的分解 262
13．2．1 分解非季節(jié)性數(shù)據(jù) 263
13．2．2 分解季節(jié)性數(shù)據(jù) 265
13．3 指數(shù)平滑法預測分析 268
13．3．1 簡單指數(shù)平滑法 269
13．3．2 殘差的白噪聲檢驗 272
13．3．3 Holt指數(shù)平滑法 275
13．3．4 Winters指數(shù)平滑法 277
13．4 ARIMA模型分析 280
13．4．1 基本思想 280
13．4．2 平穩(wěn)化處理 281
13．4．3 建模 282
13．4．4 模型的參數(shù)估計 284
13．4．5 模型預測及檢驗 284
下篇：綜合實例
第14章　R在金融數(shù)據(jù)分析中的應用 288
14．1 投資組合最優(yōu)化實例 288
14．1．1 概述 288
14．1．2 均值―方差模型 289
14．1．3 模擬退火算法 292
14．2 構造投資組合的有效前沿 298
14．2．1 R中的算法包 298
14．2．2 計算分析 298
14．3 股票聚類分析 301
14．3．1 概述 301
14．3．2 K-means聚類分析 302
14．3．3 層次聚類分析 304
第15章　R在數(shù)據(jù)預測中的應用 306
15．1 回歸分析預測 306
15．1．1 概述 306
15．1．2 綜合實例 306
15．2 時間序列預測 318
15．2．1 概述 318
15．2．2 綜合實例 318