数据分析 R语言实战PDF|Epub|txt|kindle电子书版本网盘下载

数据分析 R语言实战PDF格式电子书版下载

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

第0章 致敬，R！1

致敬，肩膀！1

致敬，时代！3

致敬，人才！3

致敬，R瑟！5

上篇 数据分析的前期准备8

第1章 数据分析导引8

1.1 数据分析概述8

1.1.1 数据分析的原则8

1.1.2 数据分析的步骤9

1.1.3 数据分析的过程10

1.1.4 数据分析的对象11

1.2 大数据分析11

1.2.1 大数据分析的流程11

1.2.2 大数据分析的基本方面12

1.2.3 大数据分析的应用13

1.3 数据分析常用工具13

1.4 R在数据分析中的优势14

第2章 数据的读取与保存16

2.1 数据读取16

2.1.1 读取内置数据集16

2.1.2 读取文本文件17

2.1.3 读取固定宽度格式的文件20

2.1.4 读取Excel数据21

2.1.5 读取数据库文件22

2.1.6 读取网页数据26

2.1.7 读入R格式的文件28

2.1.8 从其他统计软件读入数据28

2.2 数据保存31

2.2.1 使用函数cat()31

2.2.2 保存为文本文件32

2.2.3 保存R格式文件33

2.2.4 保存为其他类型文件33

第3章 数据预处理34

3.1 基本函数34

3.2 数据修改38

3.2.1 修改数据标签38

3.2.2 行列删除38

3.3 缺失值处理38

3.3.1 判断缺失数据39

3.3.2 判断缺失模式39

3.3.3 处理缺失数据41

3.4 数据整理44

3.4.1 数据合并44

3.4.2 选取数据的子集46

3.4.3 数据排序47

3.5 长宽格式的转换48

3.5.1 揉数据函数48

3.5.2 揉数据的最佳伴侣49

中篇 基本分析及应用54

第4章 数据的图形描述54

4.1 R绘图概述54

4.2 绘图区域分割55

4.2.1 函数par()55

4.2.2 函数layout()56

4.2.3 函数split.screen()57

4.3 维图形58

4.3.1 高级绘图函数58

4.3.2 多元数据绘图61

4.3.3 低级绘图函数63

4.3.4 图形美化64

4.3.5 交互式绘图命令65

4.4 三维图形67

4.5 lattice程序包69

4.6 ggplot2程序包73

4.6.1 快速绘图74

4.6.2 分图层绘图76

4.7 图形保存84

4.8 实战实例：数据地图84

第5章 数据的描述性分析88

5.1 R内置的分布88

5.2 集中趋势的分析90

5.2.1 集中趋势的测度90

5.2.2 R语言实现91

5.3 离散趋势的分析93

5.3.1 离散趋势的测度93

5.3.2 R语言实现94

5.4 数据的分布分析95

5.4.1 分布情况的测度95

5.4.2 R语言实现96

5.5 图形分析及R实现97

5.5.1 直方图和密度函数图97

5.5.2 QQ图98

5.5.3 茎叶图100

5.5.4 箱线图100

5.5.5 经验分布图102

5.6 多组数据分析及R实现102

5.6.1 多组数据的统计分析102

5.6.2 多组数据的图形分析103

第6章 参数估计及R实现112

6.1 点估计及R实现112

6.1.1 矩估计112

6.1.2 极大似然估计116

6.2 单正态总体的区间估计122

6.2.1 均值μ的区间估计122

6.2.2 方差σ2的区间估计125

6.3 两正态总体的区间估计126

6.3.1 均值差μ1-μ2的区间估计127

6.3.2 两方差比σ21/σ22的区间估计130

6.4 关于比率的区间估计131

第7章 假设检验及R实现134

7.1 假设检验概述134

7.1.1 理论依据135

7.1.2 检验步骤135

7.1.3 两类错误136

7.2 单正态总体的检验137

7.2.1 均值μ的检验138

7.2.2 方差σ2的检验141

7.3 两正态总体的检验142

7.3.1 均值差μ1-μ2的检验143

7.3.2 成对数据的t检验146

7.3.3 两总体方差的检验147

7.4 比率的检验148

7.4.1 比率的二项分布检验148

7.4.2 比率的近似检验149

7.5 非参数的检验149

7.5.1 总体分布的X2检验150

7.5.2 Kolmogrov-Smirnov检验153

第8章 方差分析及R实现157

8.1 单因素方差分析及R实现157

8.1.1 基本假设的检验157

8.1.2 单因素方差分析160

8.1.3 多重t检验164

8.1.4 Kruskal-Wallis秩和检验166

8.2 双因素方差分析及R实现168

8.2.1 无交互作用的分析169

8.2.2 有交互作用的分析172

8.3 协方差分析及R实现176

第9章 回归分析及R实现180

9.1 一元线性回归180

9.1.1 模型理论180

9.1.2 显著性检验181

9.1.3 R语言实现181

9.2 多元线性回归187

9.2.1 模型理论187

9.2.2 显著性检验188

9.2.3 R语言实现189

9.2.4 逐步回归192

9.3 回归诊断及R实现194

9.3.1 残差诊断195

9.3.2 影响分析198

9.3.3 多重共线性诊断201

9.4 岭回归及R实现203

9.5 广义线性模型206

9.5.1 模型理论206

9.5.2 R语言实现207

第10章 主成分分析与因子分析211

10.1 主成分分析211

10.1.1 理论基础211

10.1.2 R语言实现215

10.2 因子分析221

10.2.1 理论模型221

10.2.2 因子载荷矩阵的估计方法223

10.2.3 R语言实现225

第11章 典型相关分析和对应分析230

11.1 典型相关分析230

11.1.1 理论基础230

11.1.2 典型相关分析的应用232

11.1.3 R语言实现233

11.2 对应分析236

11.2.1 理论基础236

11.2.2 对应分析的步骤237

11.2.3 R语言实现238

第12章 判别分析和聚类分析242

12.1 判别分析及R实现242

12.1.1 距离判别法243

12.1.2 距离判别法的R实现244

12.1.3 Fisher判别法247

12.1.4 Fisher判别法的R实现248

12.1.5 贝叶斯判别法251

12.1.6 贝叶斯判别法的R实现252

12.2 聚类分析及R实现252

12.2.1 理论概述253

12.2.2 R实现举例254

第13章 时间序列分析及R实现260

13.1 时间序列的基本分析260

13.1.1 平稳性与非平稳性260

13.1.2 R实现的基本步骤261

13.2 时间序列的分解262

13.2.1 分解非季节性数据263

13.2.2 分解季节性数据265

13.3 指数平滑法预测分析268

13.3.1 简单指数平滑法269

13.3.2 残差的白噪声检验272

13.3.3 Holt指数平滑法275

13.3.4 Winters指数平滑法277

13.4 ARIMA模型分析280

13.4.1 基本思想280

13.4.2 平稳化处理281

13.4.3 建模282

13.4.4 模型的参数估计284

13.4.5 模型预测及检验284

下篇 综合实例288

第14章 R在金融数据分析中的应用288

14.1 投资组合最优化实例288

14.1.1 概述288

14.1.2 均值－方差模型289

14.1.3 模拟退火算法292

14.2 构造投资组合的有效前沿298

14.2.1 R中的算法包298

14.2.2 计算分析298

14.3 股票聚类分析301

14.3.1 概述301

14.3.2 K-means聚类分析302

14.3.3 层次聚类分析304

第15章 R在数据预测中的应用306

15.1 回归分析预测306

15.1.1 概述306

15.1.2 实战案例306

15.2 时间序列预测318

15.2.1 概述318

15.2.2 实战案例318