数据分析

上篇：数据预处理

第0章　致敬，R！

致敬，肩膀！

致敬，时代！

致敬，人才！

致敬，R瑟！

第1章　数据分析导引

1．1 数据分析概述

1．1．1 数据分析的原则

1．1．2 数据分析的步骤

1．1．3 数据分析的过程

1．1．4 数据分析的对象

1．2 大数据分析

1．2．1 大数据分析的流程

1．2．2 大数据分析的基本方面

1．2．3 大数据分析的应用

1．3 数据分析常用工具

1．4 R在数据分析中的优势

第2章　数据的读取与保存

2．1 数据读取

2．1．1 读取内置数据集

2．1．2 读取文本文件

2．1．3 读取固定宽度格式的文件

2．1．4 读取Excel数据

2．1．5 读取数据库文件

2．1．6 读取网页数据

2．1．7 读入R格式的文件

2．1．8 从其他统计软件读入数据

2．2 数据保存

2．2．1 使用函数cat()

2．2．2 保存为文本文件

2．2．3 保存R格式文件

2．2．4 保存为其他类型文件

第3章　数据预处理

3．1 基本函数

3．2 数据修改

3．2．1 修改数据标签

3．2．2 行列删除

3．3 缺失值处理

3．3．1 判断缺失数据

3．3．2 判断缺失模式

3．3．3 处理缺失数据

3．4 数据整理

3．4．1 数据合并

3．4．2 选取数据的子集

3．4．3 数据排序

3．5 长宽格式的转换

3．5．1 揉数据函数

3．5．2 揉数据的最佳伴侣

中篇：基本分析及应用

第4章　数据的图形描述

4．1 R绘图概述

4．2 绘图区域分割

4．2．1 函数par()

4．2．2 函数layout()

4．2．3 函数split．screen()

4．3 二维图形

4．3．1 高级绘图函数

4．3．2 多元数据绘图

4．3．3 低级绘图函数

4．3．4 图形美化

4．3．5 交互式绘图命令

4．4 三维图形

4．5 LATTICE程序包

4．6 GGPLOT2程序包

4．6．1 快速绘图

4．6．2 分图层绘图

4．7 图形保存

4．8 综合实例：数据地图

第5章　数据的描述性分析

5．1 R内置的分布

5．2 集中趋势的分析

5．2．1 集中趋势的测度

5．2．2 R语言实现

5．3 离散趋势的分析

5．3．1 离散趋势的测度

5．3．2 R语言实现

5．4 数据的分布分析

5．4．1 分布情况的测度

5．4．2 R语言实现

5．5 图形分析及R实现

5．5．1 直方图和密度函数图

5．5．2 QQ图

5．5．3 茎叶图

5．5．4 箱线图

5．5．5 经验分布图

5．6 多组数据分析及R实现

5．6．1 多组数据的统计分析

5．6．2 多组数据的图形分析

第6章　参数估计及R实现

6．1 点估计及R实现

6．1．1 矩估计

6．1．2 极大似然估计

6．2 单正态总体的区间估计

6．2．1 均值 的区间估计

6．2．2 方差 的区间估计

6．3 两正态总体的区间估计

6．3．1 均值差 的区间估计

6．3．2 两方差比 的区间估计

6．4 关于比率的区间估计

第7章　假设检验及R实现

7．1 假设检验概述

7．1．1 理论依据

7．1．2 检验步骤

7．1．3 两类错误

7．2 单正态总体的检验

7．2．1 均值 的检验

（2） 未知

7．2．2 方差 的检验

7．3 两正态总体的检验

7．3．1 均值差 的检验

7．3．2 成对数据的t检验

7．3．3 两总体方差的检验

7．4 比率的检验

7．4．1 比率的二项分布检验

7．4．2 比率的近似检验

7．5 非参数的检验

7．5．1 总体分布的 检验

7．5．2 Kolmogrov-Smirnov检验

第8章　方差分析及R实现

8．1 单因素方差分析及R实现

8．1．1 基本假设的检验

8．1．2 单因素方差分析

8．1．3 多重t检验

8．1．4 Kruskal-Wallis秩和检验

8．2 双因素方差分析及R实现

8．2．1 无交互作用的分析

8．2．2 有交互作用的分析

8．3 协方差分析及R实现

第9章　回归分析及R实现

9．1 一元线性回归

9．1．1 模型理论

9．1．2 显著性检验

9．1．3 R语言实现

9．2 多元线性回归

9．2．1 模型理论

9．2．2 显著性检验

9．2．3 R语言实现

9．2．4 逐步回归

9．3 回归诊断及R实现

9．3．1 残差诊断

9．3．2 影响分析

9．3．3 多重共线性诊断

9．4 岭回归及R实现

9．5 广义线性模型

9．5．1 模型理论

9．5．2 R语言实现

第10章　主成分分析与因子分析

10．1 主成分分析

10．1．1 理论基础

10．1．2 R语言实现

10．2 因子分析

10．2．1 理论模型

10．2．2 因子载荷矩阵的估计方法

10．2．3 R语言实现

第11章　典型相关分析和对应分析

11．1 典型相关分析

11．1．1 理论基础

11．1．2 典型相关分析的应用

11．1．3 R语言实现

11．2 对应分析

11．2．1 理论基础

11．2．2 对应分析的步骤

11．2．3 R语言实现

第12章　判别分析和聚类分析

12．1 判别分析及R实现

12．1．1 距离判别法

12．1．2 距离判别法的R实现

12．1．3 Fisher判别法

12．1．4 Fisher判别法的R实现

12．1．5 贝叶斯判别法

12．1．6 贝叶斯判别法的R实现

12．2 聚类分析及R实现

12．2．1 理论概述

12．2．2 R实现举例

第13章　时间序列分析及R实现

13．1 时间序列的基本分析

13．1．1 平稳性与非平稳性

13．1．2 R实现的基本步骤

13．2 时间序列的分解

13．2．1 分解非季节性数据

13．2．2 分解季节性数据

13．3 指数平滑法预测分析

13．3．1 简单指数平滑法

13．3．2 残差的白噪声检验

13．3．3 Holt指数平滑法

13．3．4 Winters指数平滑法

13．4 ARIMA模型分析

13．4．1 基本思想

13．4．2 平稳化处理

13．4．3 建模

13．4．4 模型的参数估计

13．4．5 模型预测及检验

下篇：综合实例

第14章　R在金融数据分析中的应用

14．1 投资组合最优化实例

14．1．1 概述

14．1．2 均值―方差模型

14．1．3 模拟退火算法

14．2 构造投资组合的有效前沿

14．2．1 R中的算法包

14．2．2 计算分析

14．3 股票聚类分析

14．3．1 概述

14．3．2 K-means聚类分析

14．3．3 层次聚类分析

第15章　R在数据预测中的应用

15．1 回归分析预测

15．1．1 概述

15．1．2 综合实例

15．2 时间序列预测

15．2．1 概述

15．2．2 综合实例

推荐购买：


大数据时代的R语言·数据挖掘：R语言实战

海报：

海报：