Статистический анализ и визуализация данных с помощью R

Содержание книги "Статистический анализ и визуализация данных с помощью R "

Предисловие
Глава 1. Основные компоненты статистической среды R
1.1. История возникновения и основные принципы организации среды R
1.2. Работа с командной консолью
1.3. Работа с меню R Commander
1.4. Объекты, пакеты, функции, устройства
Глава 2. Описание языка R
2.1. Типы данных
2.2. Векторы и матрицы
2.3. Факторы
2.4. Списки и таблицы данных
2.5. Импортирование данных в R
2.6. Представление дат и времени. Временные ряды
2.7. Организация вычислений: функции, ветвления, циклы
2.8. Векторизованные вычисления в R
Глава 3. Базовые графические возможности R
3.1. Функция plot() и ее параметры
3.2. Гистограммы, функции ядерной плотности и функция cdplot()
3.3. Диаграммы размахов
3.4. Круговые и столбиковые диаграммы
3.5. Диаграммы Кливленда и одномерные диаграммы рассеяния
3.6. Категоризованные графики
Глава 4. Описательная статистика, подгонка распределений и смежные задачи
4.1. Базовые функции для расчета параметров описательной статистики
4.2. summary() и функции из дополнительных пакетов
4.3. Анализ выбросов
4.4. Заполнение пропущенных значений в таблицах данных
4.5. Воспроизводимость результатов при использовании генератора случайных чисел
4.6. Законы распределения вероятностей, реализованные в R
4.7. Подбор закона и параметров распределения в R
4.8. Проверка на нормальность распределения
Глава 5. Классические методы статистики
5.1. Гипотеза о равенстве средних двух генеральных совокупностей
5.2. Ранговый критерий Уилкоксона-Манна-Уитни
5.3. Рандомизация, бутстреп и оценка статистической мощности (на примере двухвыборочного t-критерия)
5.4. Гипотеза об однородности дисперсий
5.5. Введение в дисперсионный анализ
5.6. Оценка корреляции двух случайных величин
5.7. Критерий хи-квадрат
5.8. Точный тест Фишера. Критерии Мак-Немара и Кохрана-Мантеля-Хензеля
5.9. Оценка статистической мощности при сравнении частот
Глава 6. Дисперсионный анализ
6.1. Протокол разведочного анализа данных
6.2. Дисперсионный анализ как линейная модель
6.3. Структура модельных объектов дисперсионного анализа
6.4. Оценка адекватности модели дисперсионного анализа
6.5. Дисперсионный анализ по Краскелу-Уоллису
6.6. Модели двух- и многофакторного дисперсионного анализа
6.7. Контрасты в линейных моделях, содержащих категориальные предикторы
6.8. Проблема множественных проверок статистических гипотез
6.9. Апостериорные сравнения групповых средних
Глава 7. Регрессионные модели зависимостей между количественными переменными
7.1. О понятии «статистическая модель»
7.2. Простая линейная регрессия: каков возраст Вселенной?
7.3. Стандартные методы диагностики линейных моделей
7.4. Модели регрессии при разных видах функции потерь
7.5. Критерии выбора моделей оптимальной сложности
7.6. Полиномиальные и нелинейные модели регрессии
7.7. Модель множественной регрессии и выбор ее спецификации
7.8. Диагностика моделей множественной регрессии
7.9. Регуляризация множественной регрессии
7.10. Регрессия на главные компоненты
7.11. Сравнение эффективности различных моделей при прогнозировании
Глава 8. Обобщенные, структурные и иные модели регрессии
8.1. Модели сглаживания
8.2. Обобщенные модели регрессии
8.3. Модели пробит- и логит-регрессии
8.4. Пример использования обобщенных моделей для оценки экологической толерантности
8.5. Ковариационный анализ
8.6. Модели со смешанными эффектами для иерархически организованных данных
8.7. Индуктивные модели (метод группового учета аргументов)
8.8. Моделирование структурными уравнениями
Глава 9. Пространственный анализ и создание картограмм
9.1. Простая карта: использование растрового рисунка и расчет расстояний
9.2. Анализ пространственного размещения точек
9.3. Использование сервисов картографической системы Google Maps
9.4. Создание картограмм при помощи R
Библиография и интернет-ресурсы
Основные литературные ссылки по тексту книги
Библиографический указатель литературы по R
Рекомендуемые интернет-ресурсы