xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

     《R語(yǔ)言經(jīng)典實(shí)例》涵蓋200多個(gè)R語(yǔ)言實(shí)用方法 ，可以幫助讀者快速而有效地使用R進(jìn)行數(shù)據(jù)分析。R語(yǔ)言給我們提供了統(tǒng)計(jì)分析酣一切工具，但是R本身 的結(jié)構(gòu)可能有些難于掌握。本書(shū)提供的這些面向任務(wù)、簡(jiǎn)明的R語(yǔ)言方法包含了從基本的分析任務(wù)到輸入 和輸出、常用統(tǒng)計(jì)分析、繪圖、線(xiàn)性回歸等內(nèi)容，它們可以讓你馬上應(yīng)用R高效地工作。
       每一個(gè)R語(yǔ)言方法都專(zhuān)注于一個(gè)特定的問(wèn)題，隨后的討論則對(duì)問(wèn)題的解決方案給出解釋?zhuān)㈥U釋該方 法的工作機(jī)理。對(duì)于R的初級(jí)用戶(hù)，《R語(yǔ)言經(jīng)典實(shí)例》將幫助你步入R的殿堂；對(duì)于R的資深用戶(hù)，本書(shū)將 加深你對(duì)R的理解并拓展你的視野。通過(guò)本書(shū)，你可以使你的分析工作順利完成并學(xué)習(xí)更多R語(yǔ)言知識(shí)。

　《R語(yǔ)言經(jīng)典實(shí)例》涵蓋200多個(gè)R語(yǔ)言實(shí)用方法，可以幫助讀者快速而有效地使用R進(jìn)行數(shù)據(jù)分析。本書(shū)將幫助你步入R的殿堂；對(duì)于R的資深用戶(hù)，本書(shū)將加深你對(duì)R的理解并拓展你的視野。通過(guò)本書(shū)，你可以使你的分析工作順利完成并學(xué)習(xí)更多R語(yǔ)言知識(shí)。本書(shū)由蒂特著。

　　前言
　　R軟件是進(jìn)行統(tǒng)計(jì)分析、繪圖和統(tǒng)計(jì)編程的強(qiáng)大工具。現(xiàn)在成千上萬(wàn)的人用它來(lái)進(jìn)行日常的重要統(tǒng)計(jì)分析。R軟件是一個(gè)自由、開(kāi)源的軟件平臺(tái)，它是許多聰明、勤奮工作的人們集體工作的成果。R軟件有超過(guò)兩千多個(gè)軟件包插件。R軟件是其他所有商業(yè)統(tǒng)計(jì)軟件包的強(qiáng)勁競(jìng)爭(zhēng)對(duì)手。
　　但是，開(kāi)始使用R軟件可能感到無(wú)從下手。對(duì)于許多任務(wù)，即便是一些基本的任務(wù)，R的實(shí)現(xiàn)也不是很明顯。當(dāng)了解了R的使用方法后，簡(jiǎn)單的問(wèn)題自然能得心應(yīng)手地解決，但學(xué)習(xí)“如何”使用R的過(guò)程有時(shí)會(huì)讓人感到發(fā)狂。
　　本書(shū)介紹了如何使用R軟件的一些方法，其中每一個(gè)方法對(duì)應(yīng)解決某個(gè)特定的問(wèn)題。介紹這些方法的途徑是這樣的：首先給出待解決的問(wèn)題，然后給出解決方案的簡(jiǎn)單介紹，之后再給出對(duì)解決方案的討論，深入剖析解決方案，給出該方案的原理。我知道這些方法有效實(shí)用，我也知道這些方法可行，因?yàn)槲冶救艘彩褂盟鼈儭?br /> 　　這些方法所涉及的范圍較為廣泛。首先從基本的任務(wù)開(kāi)始介紹，然后介紹數(shù)據(jù)的輸入和輸出、基礎(chǔ)統(tǒng)計(jì)、繪圖以及線(xiàn)性回歸。與R有關(guān)的工作都將或多或少地涉及本書(shū)介紹的方法。
　　通過(guò)本書(shū)的講解，初學(xué)者能快速地了解R并獲得提高。如果你對(duì)R軟件有一定的了解，那么本書(shū)也能幫助你鞏固已學(xué)的知識(shí)，拓寬你的思維（例如，“下一次我應(yīng)該怎么使用K-S檢驗(yàn)”）。
　　從嚴(yán)格意義上來(lái)說(shuō)，本書(shū)并不是一本關(guān)于R軟件的教程，但你將會(huì)從中學(xué)習(xí)到許多R軟件的應(yīng)用技巧。本書(shū)也不是一本關(guān)于R的參考手冊(cè)，但它確實(shí)包含了許多實(shí)用的內(nèi)容。本書(shū)也不是一本R軟件的編程指南，但書(shū)中很多方法都可以應(yīng)用到R的編程腳本中。
　　最后，本書(shū)不是統(tǒng)計(jì)學(xué)理論的參考書(shū)。本書(shū)假設(shè)讀者對(duì)統(tǒng)計(jì)理論和方法有一定的了解，他們需要知道的是如何在R軟件中實(shí)現(xiàn)。
　　方法
　　本書(shū)介紹的大部分方法，都是由一兩個(gè)R函數(shù)命令來(lái)解決某一特定問(wèn)題。需要注意的是，書(shū)中不會(huì)對(duì)某一函數(shù)的全部功能進(jìn)行詳細(xì)解釋?zhuān)莾H僅介紹那些為了解決某個(gè)問(wèn)題所需要涉及的函數(shù)功能。R軟件中幾乎所有的函數(shù)都遠(yuǎn)遠(yuǎn)不止本書(shū)中所介紹的這些功能，其中有的函數(shù)具有更強(qiáng)大的功能。因此強(qiáng)烈建議讀者閱讀這些函數(shù)的幫助頁(yè)面，你可能會(huì)從中得到不少收獲。
　　每個(gè)方法都為讀者提供了解決某個(gè)問(wèn)題的一條途徑。當(dāng)然對(duì)于每個(gè)問(wèn)題有可能存在多個(gè)正確的解決方案。在這種情況下，我一般會(huì)選擇最為簡(jiǎn)單的方法介紹。對(duì)于書(shū)中給出的任何問(wèn)題，你自己或許可以找到其他一些解決方案。本書(shū)著重介紹解決問(wèn)題的方法，類(lèi)似“菜譜”書(shū)，不是R軟件的大全書(shū)籍。
　　尤其是，R軟件有大量的可添加包，這幾千個(gè)R軟件包都可以通過(guò)網(wǎng)絡(luò)下載的方式得到。這些包中含有許多替代算法和統(tǒng)計(jì)方法。本書(shū)側(cè)重于R基礎(chǔ)發(fā)布版所帶的核心功能，因此你可以從其他的R添加包中找到相關(guān)的替代方案（參見(jiàn)方法1.11）。
　　對(duì)術(shù)語(yǔ)的說(shuō)明
　　每個(gè)方法旨在迅速地解決問(wèn)題，而非長(zhǎng)篇大論地進(jìn)行敘述。因此我可能會(huì)采用一些術(shù)語(yǔ)來(lái)簡(jiǎn)化相關(guān)內(nèi)容的解釋?zhuān)@些術(shù)語(yǔ)有時(shí)候可能不精確，但是正確的。比如對(duì)于“泛型函數(shù)”一詞。我把函數(shù)print(x)和函數(shù)plot(x)稱(chēng)為泛型函數(shù)，原因是它們能適當(dāng)?shù)靥幚矶喾N輸入?yún)?shù)x。計(jì)算機(jī)學(xué)家可能會(huì)質(zhì)疑這一術(shù)語(yǔ)，因?yàn)閲?yán)格地說(shuō)這些都不是簡(jiǎn)單的“函數(shù)”，它們是多態(tài)方法并且動(dòng)態(tài)調(diào)度。但是，如果我仔細(xì)地精確定義所有這樣的技術(shù)細(xì)節(jié)，那么關(guān)鍵的解決方案將會(huì)埋沒(méi)于這些細(xì)枝末節(jié)的技術(shù)問(wèn)題中。所以為了便于閱讀，我就將它們稱(chēng)為函數(shù)。
　　另一個(gè)例子是統(tǒng)計(jì)學(xué)中假設(shè)檢驗(yàn)所用語(yǔ)義的嚴(yán)格性。若使用概率論的嚴(yán)格定義，就會(huì)使讀者難以清晰理解這些檢驗(yàn)的實(shí)際應(yīng)用，所以我以更通俗的語(yǔ)言描述各個(gè)統(tǒng)計(jì)檢驗(yàn)。更多有關(guān)假設(shè)檢驗(yàn)方法的細(xì)節(jié)請(qǐng)查看第9章的簡(jiǎn)介。
　　我的目標(biāo)是用通俗易懂而非嚴(yán)格的正式語(yǔ)言，讓R軟件能被更多的讀者所理解和接受。因此希望各個(gè)領(lǐng)域的專(zhuān)家對(duì)于我所給出的某些并不嚴(yán)謹(jǐn)?shù)男g(shù)語(yǔ)定義予以諒解。
　　軟件及平臺(tái)說(shuō)明
　　雖然R軟件時(shí)常進(jìn)行有計(jì)劃的版本更新，但其語(yǔ)言定義和核心實(shí)現(xiàn)是穩(wěn)定的。本書(shū)所介紹的方法將適用于基礎(chǔ)發(fā)布版的任何最新版本。
　　有些方法對(duì)于操作平臺(tái)有特殊的要求，我會(huì)在文中對(duì)其加以標(biāo)注，這些方法大多數(shù)是一些有關(guān)軟件本身的問(wèn)題，如程序的安裝和配置。據(jù)我所知，書(shū)中的其他所有方法都能在R的三個(gè)主要平臺(tái)中得到兼容，即Windows、OS X和Linux / UNIX。
　　其他資源
　　網(wǎng)絡(luò)
　　R項(xiàng)目網(wǎng)站（http://www.r-project.org）匯集了所有R軟件的相關(guān)資源。從中可以下載R程序代碼、R添加包、文檔、源代碼以及許多其他資源。
　　除了R項(xiàng)目網(wǎng)站以外，我建議使用一個(gè)針對(duì)R軟件的搜索引擎，比如Sasha Goodman 開(kāi)發(fā)的Rseek搜索引擎（http://rseek.org）。也可以使用谷歌這樣的通用搜索引擎，但在搜索“R”搜索詞時(shí)可能會(huì)得到許多無(wú)關(guān)的搜索結(jié)果。更多有關(guān)網(wǎng)絡(luò)搜索的細(xì)節(jié)參見(jiàn)方法1.10。
　　瀏覽博客也是學(xué)習(xí)R軟件和掌握相關(guān)R最新動(dòng)態(tài)的一種有效方式。網(wǎng)絡(luò)中存在許多這樣的博客，我推薦其中兩個(gè)：Tal Galili的R-bloggers（http://www.r-bloggers.com/）和PlanetR的（http://planetr.stderr.org）。可以通過(guò)訂閱他們的網(wǎng)站了解許多相關(guān)網(wǎng)站上有趣且實(shí)用的文章。
　　R軟件參考書(shū)籍
　　市面上有許多學(xué)習(xí)和應(yīng)用R軟件的書(shū)籍。下面列出一些我發(fā)現(xiàn)會(huì)有幫助的R軟件教程。R項(xiàng)目網(wǎng)站收錄并編制了大量與R相關(guān)的書(shū)目（http://www.r-project.org/doc/bib/R-books.html）。我所推薦的書(shū)目有：
　　Network Theory Limited出版的《An Introduction to R》，作者是William Venables等。該書(shū)涵蓋了許多對(duì)初學(xué)者很有幫助的知識(shí)。可以通過(guò)CRAN網(wǎng)站免費(fèi)下載該書(shū)的PDF版本（http://cran.r-project.org/doc/manuals/R-intro.pdf），或者推薦購(gòu)買(mǎi)紙質(zhì)書(shū)籍，此書(shū)所獲利潤(rùn)將捐贈(zèng)給R項(xiàng)目。
　　O扲eilly公司出版的《R in a Nutshell》（http://oreilly.com/catalog/978059680717），該書(shū)的作者是Joseph Adler，此書(shū)可以隨時(shí)作為你R軟件的使用參考，并且它比本書(shū)涵蓋了更多的內(nèi)容。
　　任何應(yīng)用R繪制正式圖形的工作都可以參考《R Graphics》一書(shū)，該書(shū)的作者為Paul Murrel（Chapman & Hall/CRC）。根據(jù)應(yīng)用的R圖形包的不同，也可以參考《Lattice:Multivaritate Data Visualiation with R》，作者為Deepayan Sarkar，由Springer出版社出版；《ggplot2: Elegant Graphics for Data Analysis》，作者為Hadley Wickham，由Springer公司出版。
　　《Modern Appied Statistic With S(4th ed.)》, 作者為William Venables等，由Springer公司出版。該書(shū)采用S軟件來(lái)說(shuō)明一些高級(jí)的統(tǒng)計(jì)技術(shù)。該書(shū)所涉及的函數(shù)和數(shù)據(jù)可通過(guò)下載R軟件標(biāo)準(zhǔn)發(fā)布版MASS獲得。
　　市面上定期會(huì)有關(guān)于R編程的新書(shū)出版，但我并不提倡不加區(qū)分地選擇。關(guān)于R軟件編程，我推薦《R in a Nutshell》和William Venables與Brian Ripley等的《S Programming》（Springer）。我還推薦下載《R Language Definition》一書(shū)（http://cran.r-project.org/doc/manuals/R-lang.pdf），通過(guò)它可以解決許多R軟件編程中遇到的細(xì)節(jié)問(wèn)題。
　　統(tǒng)計(jì)學(xué)書(shū)籍
　　在你學(xué)習(xí)的過(guò)程中需要一本好的統(tǒng)計(jì)學(xué)參考書(shū)作為指導(dǎo)，它可以幫助你準(zhǔn)確地理解在R中進(jìn)行的統(tǒng)計(jì)檢驗(yàn)。目前市面上有許多優(yōu)秀的統(tǒng)計(jì)學(xué)參考書(shū)，因此我所推薦的書(shū)很難說(shuō)這本比那本更優(yōu)秀。
　　由John Verzani編寫(xiě)的《Using R for Introductory Statistic》（Chapman & Hall/CRC），是一本優(yōu)秀的統(tǒng)計(jì)學(xué)教材。它結(jié)合統(tǒng)計(jì)學(xué)與R軟件，講述應(yīng)用統(tǒng)計(jì)方法的一些必要的計(jì)算機(jī)技巧（http://www.r-project.org/doc/bib/R-books.html）。
　　越來(lái)越多的統(tǒng)計(jì)學(xué)作者選擇R軟件來(lái)講述相應(yīng)的統(tǒng)計(jì)方法。某一特定專(zhuān)業(yè)領(lǐng)域的工作者可以在R項(xiàng)目網(wǎng)站收錄的書(shū)目中尋找所需要的書(shū)籍。


　　致謝
　　我要對(duì)整個(gè)R社區(qū)，尤其是R軟件的核心開(kāi)發(fā)團(tuán)隊(duì)表示衷心感謝。他們的無(wú)私付出對(duì)世界統(tǒng)計(jì)學(xué)的貢獻(xiàn)巨大。
　　我要感謝本書(shū)的技術(shù)審校者：James D. Long、Timothy McMurry、David Reiner、Jeffery Ryan和John Verzani。同時(shí)感謝Joe Adler給予本書(shū)的意見(jiàn)。他們做出的反饋對(duì)于本書(shū)得以有高質(zhì)量、嚴(yán)謹(jǐn)并且實(shí)用的內(nèi)容至關(guān)重要。他們的意見(jiàn)也幫助我節(jié)省了許多時(shí)間，避免了我傳播錯(cuò)誤的內(nèi)容。
　　Mike Loukides是一位出色的編輯，我在此深深感謝他的智慧和指導(dǎo)。開(kāi)始本書(shū)的項(xiàng)目時(shí)有人宣稱(chēng)Mike是出版行業(yè)里最棒的編輯，現(xiàn)在我完全相信這一事實(shí)。
　　我要對(duì)我的妻子Anna表達(dá)最大的謝意。她的支持使本書(shū)出版成為可能。她的參與使得編寫(xiě)本書(shū)的過(guò)程充滿(mǎn)快樂(lè)。
收起全部↑

      Paul Teetor是一位定量分析專(zhuān)家，他曾獲統(tǒng)計(jì)學(xué)碩士和計(jì)算機(jī)科學(xué)碩士。他從事投資管理、風(fēng)險(xiǎn)交易和風(fēng)險(xiǎn)管理等領(lǐng)域的分析與軟件工程。

前言
第1章 R入門(mén)和獲得幫助
1.1 下載和安裝R軟件
1.2 開(kāi)始運(yùn)行R軟件
1.3 輸入R命令
1.4 退出R
1.5 中斷R正在運(yùn)行的程序
1.6 查看幫助文檔
1.7 獲取函數(shù)的幫助文檔
1.8 搜索幫助文檔
1.9 查看R軟件包幫助信息
1.10 通過(guò)網(wǎng)絡(luò)獲取幫助
1.11 尋找相關(guān)函數(shù)與數(shù)據(jù)包
1.12 查詢(xún)郵件列表
1.13 向郵件列表提交問(wèn)題

第2章 基礎(chǔ)知識(shí)
2.1 顯示內(nèi)容
2.2 設(shè)定變量
2.3 列出所有變量
2.4 刪除變量
2.5 生成向量
2.6 計(jì)算基本統(tǒng)計(jì)量
2.7 生成數(shù)列
2.8 向量比較
2.9 選取向量中的元素
2.10 向量的計(jì)算
2.11 運(yùn)算符優(yōu)先級(jí)問(wèn)題
2.12 定義函數(shù)
2.13  減少輸入，得到更多命令
2.14  常見(jiàn)錯(cuò)誤

第3章 R軟件導(dǎo)覽
3.1 獲取和設(shè)定工作目錄
3.2 保存工作空間
3.3 查看歷史命令記錄
3.4 保存先前命令產(chǎn)生的結(jié)果
3.5 顯示搜索路徑
3.6 使用R包中的函數(shù)
3.7 使用R的內(nèi)置數(shù)據(jù)集
3.8 查看已安裝的R包列表
3.9 從CRAN網(wǎng)站安裝R包
3.10 設(shè)定默認(rèn)CRAN網(wǎng)站鏡像
3.11 隱藏啟動(dòng)信息
3.12 運(yùn)行腳本
3.13 批量運(yùn)行R代碼
3.14 獲取和設(shè)定環(huán)境變量
3.15 找到R的主目錄
3.16 R的客戶(hù)化

第4章 輸入與輸出
4.1 使用鍵盤(pán)輸入數(shù)據(jù)
4.2 顯示更少的位數(shù)（或更多的位數(shù)）
4.3 將輸出結(jié)果重定向到某一文件
4.4 顯示文件列表
4.5 解決無(wú)法在Windows中打開(kāi)文件的問(wèn)題
4.6 閱讀固定寬度數(shù)據(jù)記錄
4.7 讀取表格數(shù)據(jù)文件
4.8 讀取CSV文件
4.9 寫(xiě)入CSV文件
4.10 從網(wǎng)絡(luò)中讀取表格或CSV格式數(shù)據(jù)
4.11 讀取HTML表格數(shù)據(jù)
4.12 讀取復(fù)雜格式數(shù)據(jù)文件
4.13 讀取MySQL數(shù)據(jù)庫(kù)中的數(shù)據(jù)
4.14 保存和傳送目標(biāo)

第5章 數(shù)據(jù)結(jié)構(gòu)
5.1 對(duì)向量添加數(shù)據(jù)
5.2 在向量中插入數(shù)據(jù)
5.3 理解循環(huán)規(guī)則
5.4 構(gòu)建因子（即分類(lèi)變量）
5.5 將多個(gè)向量合并成單個(gè)向量以及平行因子
5.6 創(chuàng)建列表
5.7 根據(jù)位置選定列表元素
5.8 根據(jù)名稱(chēng)選定列表元素
5.9 構(gòu)建一個(gè)名稱(chēng)/值關(guān)聯(lián)表
5.10 從列表中移除元素
5.11 將列表轉(zhuǎn)換為向量
5.12 從列表中移除取值為空值（即NULL）的元素
5.13 使用條件來(lái)移除列表元素
5.14 矩陣初始化
5.15 執(zhí)行矩陣運(yùn)算
5.16 將描述性名稱(chēng)賦給矩陣的行和列
5.17 從矩陣中選定一行或一列
5.18 用列數(shù)據(jù)初始化數(shù)據(jù)框
5.19 由行數(shù)據(jù)初始化數(shù)據(jù)框
5.20 添加行至數(shù)據(jù)框
5.21 預(yù)分配數(shù)據(jù)框
5.22 根據(jù)位置選擇數(shù)據(jù)框的列
5.23 根據(jù)列名選定數(shù)據(jù)框的列
5.24 更便捷地選定行和列
5.25 修改數(shù)據(jù)框的列名
5.26 編輯數(shù)據(jù)框
5.27 從數(shù)據(jù)框中移除NA值
5.28 根據(jù)名稱(chēng)排除列
5.29 合并兩個(gè)數(shù)據(jù)框
5.30 根據(jù)共有列合并數(shù)據(jù)框
5.31 更便捷地訪(fǎng)問(wèn)數(shù)據(jù)框內(nèi)容
5.32 基本數(shù)據(jù)類(lèi)型之間的轉(zhuǎn)換
5.33 不同結(jié)構(gòu)化數(shù)據(jù)類(lèi)型間的轉(zhuǎn)換

第6章 數(shù)據(jù)轉(zhuǎn)換
6.1 向量分組
6.2 將函數(shù)應(yīng)用于每個(gè)列表元素
6.3 將函數(shù)應(yīng)用于每行
6.4 將函數(shù)應(yīng)用于每列
6.5 將函數(shù)應(yīng)用于組數(shù)據(jù)
6.6 將函數(shù)應(yīng)用于行組
6.7 將函數(shù)應(yīng)用于平行向量或列表

第7章 字符串和日期
7.1 獲取字符串長(zhǎng)度
7.2 連接字符串
7.3 提取子串
7.4 根據(jù)分隔符分割字符串
7.5 替代子串
7.6 查看字符串中的特殊字符
7.7 生成字符串的所有成對(duì)組合
7.8 得到當(dāng)前日期
7.9 轉(zhuǎn)換字符串為日期
7.10 轉(zhuǎn)換日期為字符串
7.11 轉(zhuǎn)化年、月、日為日期
7.12 得到儒略日期
7.13 提取日期的一部分
7.14 創(chuàng)建日期序列

第8章 概率
8.1 計(jì)算組合數(shù)
8.2 生成組合
8.3 生成隨機(jī)數(shù)
8.4 生成可再生的隨機(jī)數(shù)
8.5 生成隨機(jī)樣本
8.6 生成隨機(jī)序列
8.7 隨機(jī)排列向量
8.8 計(jì)算離散分布的概率
8.9 計(jì)算連續(xù)分布的概率
8.10 轉(zhuǎn)換概率為分位數(shù)
8.11 繪制密度函數(shù)

第9章 統(tǒng)計(jì)概論
9.1 匯總數(shù)據(jù)
9.2 計(jì)算相對(duì)頻數(shù)
9.3 因子制表和列聯(lián)表創(chuàng)建
9.4 檢驗(yàn)分類(lèi)變量獨(dú)立性
9.5 計(jì)算數(shù)據(jù)集的分位數(shù)（和四分位數(shù)）
9.6 求分位數(shù)的逆
9.7 數(shù)據(jù)轉(zhuǎn)換為z分?jǐn)?shù)
9.8 檢驗(yàn)樣本均值（t檢驗(yàn)）
9.9 均值的置信區(qū)間
9.10 中位數(shù)的置信區(qū)間
9.11 檢驗(yàn)樣本比例
9.12 比例的置信區(qū)間
9.13 檢驗(yàn)正態(tài)性
9.14 游程檢驗(yàn)
9.15 比較兩個(gè)樣本的均值
9.16 比較兩個(gè)非參數(shù)樣本的位置
9.17 檢驗(yàn)相關(guān)系數(shù)的顯著性
9.18 檢驗(yàn)組的等比例
9.19 組均值間成對(duì)比較
9.20 檢驗(yàn)兩樣本的相同分布

第10章 圖形
10.1 創(chuàng)建散點(diǎn)圖
10.2 添加標(biāo)題和標(biāo)簽
10.3 添加網(wǎng)格
10.4 創(chuàng)建多組散點(diǎn)圖
10.5 添加圖例
10.6 繪制散點(diǎn)圖的回歸線(xiàn)
10.7 多變量散點(diǎn)圖的繪制
10.8 創(chuàng)建每個(gè)因子水平的散點(diǎn)圖
10.9 創(chuàng)建條形圖
10.10 對(duì)條形圖添加置信區(qū)間
10.11 給條形圖上色
10.12 繪制過(guò)點(diǎn)x和y的線(xiàn)
10.13 改變線(xiàn)的類(lèi)型、寬度或者顏色
10.14 繪制多個(gè)數(shù)據(jù)集
10.15 添加垂直線(xiàn)和水平線(xiàn)
10.16 創(chuàng)建箱線(xiàn)圖
10.17 對(duì)每個(gè)因子水平創(chuàng)建箱線(xiàn)圖
10.18 創(chuàng)建直方圖
10.19 對(duì)直方圖添加密度估計(jì)
10.20 創(chuàng)建離散直方圖
10.21 創(chuàng)建正態(tài)Q-Q圖
10.22 創(chuàng)建其他Q-Q圖
10.23 用多種顏色繪制變量
10.24 繪制函數(shù)
10.25 圖形間暫停
10.26 在一頁(yè)中顯示多個(gè)圖形
10.27 打開(kāi)另一個(gè)圖形窗口
10.28 在文檔中繪制圖形
10.29 改變圖形參數(shù)

第11章 線(xiàn)性回歸和方差分析
11.1 簡(jiǎn)單線(xiàn)性回歸
11.2 多元線(xiàn)性回歸
11.3 得到回歸統(tǒng)計(jì)量
11.4 理解回歸的匯總結(jié)果
11.5 運(yùn)行無(wú)截距的線(xiàn)性回歸
11.6 運(yùn)行有交戶(hù)項(xiàng)的線(xiàn)性回歸
11.7 選擇最合適的回歸變量
11.8 對(duì)數(shù)據(jù)子集回歸
11.9 在回歸公式中使用表達(dá)式
11.10 多項(xiàng)式回歸
11.11 轉(zhuǎn)換數(shù)據(jù)的回歸
11.12 尋找最佳冪變換
11.13 回歸系數(shù)的置信區(qū)間
11.14 繪制回歸殘差
11.15 診斷線(xiàn)性回歸
11.16 識(shí)別有影響的觀(guān)察值
11.17 殘差自相關(guān)檢驗(yàn)
11.18 預(yù)測(cè)新值
11.19 建立預(yù)測(cè)區(qū)間
11.20 運(yùn)行單因素方差分析
11.21 創(chuàng)建交互關(guān)系圖
11.22 找到組間均值的不同
11.23 執(zhí)行穩(wěn)健方差分析
11.24 運(yùn)用方差分析比較模型

第12章 有用的方法
12.1 查看你的數(shù)據(jù)
12.2 拓寬你的輸出
12.3 輸出賦值結(jié)果
12.4 對(duì)行和列求和
12.5 按列輸出數(shù)據(jù)
12.6 對(duì)數(shù)據(jù)分級(jí)
12.7 找到特定值的位置
12.8 每隔n個(gè)選定一個(gè)向量元素
12.9 找到成對(duì)的最小值或者最大值
12.10 生成多個(gè)因子的組合
12.11 轉(zhuǎn)換一個(gè)數(shù)據(jù)框
12.12 對(duì)數(shù)據(jù)框排序
12.13 對(duì)兩列排序
12.14 移除變量屬性
12.15 顯示對(duì)象的結(jié)構(gòu)
12.16 代碼運(yùn)行時(shí)間
12.17 抑制警告和錯(cuò)誤消息
12.18 從列表中提取函數(shù)參數(shù)
12.19 定義你自己的二元運(yùn)算符

第13章 高級(jí)數(shù)值分析和統(tǒng)計(jì)方法
13.1 最小化或者最大化一個(gè)單參數(shù)函數(shù)
13.2 最小化或者最大化多參數(shù)函數(shù)
13.3 計(jì)算特征值和特征向量
13.4 主成分分析
13.5 簡(jiǎn)單正交回歸
13.6 數(shù)據(jù)的聚類(lèi)
13.7 預(yù)測(cè)二元變量（邏輯回歸）
13.8 統(tǒng)計(jì)量的自助法
13.9 因子分析

第14章 時(shí)間序列分析
14.1 表示時(shí)間序列
14.2 繪制時(shí)序圖
14.3 提取最老的觀(guān)測(cè)值或者最新的觀(guān)測(cè)值
14.4 選取時(shí)間序列的子集
14.5 合并多個(gè)時(shí)間序列
14.6 缺失時(shí)間序列的填充
14.7 時(shí)間序列的滯后
14.8 計(jì)算逐次差分
14.9 時(shí)間序列相關(guān)的計(jì)算
14.10 計(jì)算移動(dòng)平均
14.11 在日歷時(shí)間范圍內(nèi)應(yīng)用函數(shù)
14.12 應(yīng)用滾動(dòng)函數(shù)
14.13 繪制自相關(guān)函數(shù)圖
14.14 檢驗(yàn)時(shí)間序列的自相關(guān)
14.15 繪制偏自相關(guān)函數(shù)
14.16 兩個(gè)時(shí)間序列間的滯后相關(guān)性
14.17 剔除時(shí)間序列的趨勢(shì)
14.18 擬合ARIMA模型
14.19 剔除ARIMA模型中不顯著的系數(shù)
14.20 對(duì)ARIMA模型進(jìn)行診斷
14.21 用ARIMA模型進(jìn)行預(yù)測(cè)
14.22 均值回歸的檢驗(yàn)
14.23 時(shí)間序列的平滑
……