新書推薦：
《
做财富的朋友：巴菲特慢慢变富的投资智慧
》
售價：NT$
383.0
《
一群数学家分蛋糕：提升逻辑力的100道谜题
》
售價：NT$
281.0
《
无解的困局：大明最后的60年
》
售價：NT$
306.0
《
女校（人气作家孩子帮·鹅随“北番高中”系列代表作！）
》
售價：NT$
281.0
《
万历十八年之风起辽东
》
售價：NT$
398.0
《
实战ANSYS Icepak电子热设计
》
售價：NT$
454.0
《
水库式经营
》
售價：NT$
286.0
《
哲学家的最后一课
》
售價：NT$
270.0
|
| 內容簡介： |
|
《社会统计与R语言》是写给社会科学类专业的青年学子或者研究人员的社会统计学入门教材，内容深入浅出、文字通俗易懂，致力于帮助读者建立统计思维、掌握社会统计学基本原理和方法。《社会统计与R语言》共16章，分为四篇，**篇统计基础，包含统计思维、描述性统计和概率与分布初步等内容；第二篇统计推断，包含抽样分布、参数的假设检验、方差分析、非参数检验、相关与回归等内容；第三篇统计模型，包含统计建模基础、线性回归模型应用基础、回归诊断、虚拟变量回归模型等内容；第四篇写给零基础学习者的R语言基础，包含R基本操作、R语言数据组织与基本数据管理、高级数据管理、R语言数据可视化等内容。
|
| 目錄：
|
|
目录前言**篇 统计基础第1章 统计思维 31.1 统计是一种思维方式 31.1.1 统计学家和普通人想得不一样 31.1.2 统计思维的特征 41.2 统计是大数据分析的内核 51.2.1 我们已置身大数据时代 51.2.2 大数据时代的世界 61.2.3 大数据的底层逻辑是统计分析 71.3 统计分析是为了寻找真相 81.4 统计数字会撒谎 101.5 本章小结 11第2章 描述性统计 132.1 数据测量层次 142.1.1 定类尺度 142.1.2 定序尺度 152.1.3 定距尺度 152.1.4 定比尺度 162.2 集中趋势描述 172.2.1 平均数 172.2.2 中位数 182.2.3 四分位数 192.2.4 众数 192.3 离散趋势描述 202.3.1 极差 202.3.2 方差 212.3.3 标准差 212.3.4 离散系数 222.4 本章小结 22第3章 概率与分布初步 243.1 概率是决策的基础 243.1.1 人类渴望预知未来，未来充满了不确定性 243.1.2 概率是不确定性情形决策的重要工具 243.1.3 需要注意的决策谬误 253.2 概率的基本知识 253.2.1 概率的基本概念 253.2.2 概率的基本规则 263.3 概率分布及分布*线 293.3.1 概率分布 293.3.2 分布*线 303.4 正态分布 313.4.1 正态分布概述 313.4.2 正态分布*线的特征 313.4.3 正态分布*线的Z值 323.4.4 正态分布*线的应用 333.5 本章小结 34第二篇 统计推断第4章 抽样分布 374.1 为什么要抽样 374.2 可以用样本均值推断总体均值吗 374.3 抽样分布的概念 394.4 t分布 404.5 大数定理和中心极限定理 434.5.1 大数定理 434.5.2 中心极限定理 444.6 区间估计 464.7 本章小结 48第5章 参数的假设检验 495.1 假设检验的基本逻辑 495.2 单样本均值假设检验 515.2.1 什么是单样本均值假设检验 515.2.2 单样本均值假设检验的步骤 525.3 双样本均值假设检验 565.3.1 什么是双样本均值假设检验 565.3.2 双样本均值假设检验的步骤 575.4 配对样本均值假设检验 625.4.1 什么是配对样本均值假设检验 625.4.2 配对样本均值假设检验的步骤 635.5 本章小结 68第6章 方差分析 696.1 什么是方差分析 696.2 方差分析的6个步骤 696.3 单因素方差分析 726.3.1 什么是单因素方差分析 726.3.2 单因素方差分析的步骤 736.4 双因素方差分析 746.4.1 什么是双因素方差分析 746.4.2 双因素方差分析的步骤 756.5 本章小结 79第7章 非参数检验 807.1 单样本卡方检验——定类变量假设检验的有效工具 807.1.1 什么是卡方值 807.1.2 卡方分布与假设检验 827.1.3 单因素拟合优度检验 837.1.4 列联表与双因素*立检验 857.1.5 卡方检验使用的注意事项 887.2 配对样本非参数检验 897.2.1 什么是配对样本 897.2.2 两配对样本非参数检验——符号检验 907.2.3 两配对样本非参数检验——符号秩检验 927.2.4 多配对样本非参数检验——Friedman检验 967.3 *立样本非参数检验 987.3.1 什么是*立样本 987.3.2 两*立样本的非参数检验——秩和检验 997.3.3 两*立样本的非参数检验——曼-惠特尼U检验 1017.3.4 多*立样本的非参数检验——Kruskal-Wallis检验 1037.4 本章小结 105第8章 相关与回归 1078.1 相关和因果 1078.1.1 什么是相关关系 1078.1.2 相关不等同于因果 1088.2 如何识别和测度相关关系 1098.2.1 散点图 1098.2.2 从方差到协方差 1108.2.3 皮尔森相关系数——标准化协方差 1118.2.4 偏相关 1138.2.5 相关系数的显著性检验 1138.2.6 不同数据类型的相关性检验 1148.2.7 相关性检验的R语言实现 1158.3 回归分析 1178.3.1 线性回归模型的几何解释 1188.3.2 回归系数和截距 1198.3.3 拟合优度R2 1198.3.4 多元线性回归 1208.3.5 回归的假设检验 1218.3.6 回归分析的R语言实现 1238.4 本章小结 124第三篇 统计模型第9章 统计建模基础 1279.1 统计建模的一个故事 1279.2 统计建模的一般思路 1289.3 案例分析 1329.4 本章小结 136第10章 线性回归模型应用基础 13810.1 回归分析应用概述 13810.2 建立线性回归数学模型 14010.2.1 建立线性回归数学模型的一般步骤 14010.2.2 多元线性回归模型与解释变量、控制变量 14110.3 线性回归数学模型求解与结果分析 14210.3.1 回归方程参数估计与回归系数的解释 14210.3.2 线性回归模型的拟合优度 14510.3.3 线性回归模型的假设检验 14510.4 本章小结 147第11章 回归诊断 14911.1 回归模型的前提假设 14911.2 残差的诊断 15011.2.1 线性检验 15011.2.2 *立性检验 15111.2.3 残差方差齐性检验 15211.2.4 残差正态性检验 15411.3 数据的诊断 15511.3.1 异常点 15511.3.2 强影响点 15611.4 回归诊断的R语言实现 15711.5 本章小结 161第12章 虚拟变量回归模型 16212.1 一个错误的解释和一个错用的模型 16212.1.1 结果误读 16212.1.2 模型误用 16312.2 什么是虚拟变量 16412.2.1 虚拟变量的含义 16412.2.2 虚拟变量对回归模型选择的影响 16412.3 解释变量为虚拟变量的回归模型 16412.3.1 加法形式的回归模型 16412.3.2 乘法形式的回归模型 16612.4 被解释变量为虚拟变量的回归模型 16712.4.1 Logistic回归 16812.4.2 glm()函数 16912.4.3 数据分析与结果的解读 16912.4.4 虚拟变量回归模型的拟合与诊断 17012.5 本章小结 172第四篇 写给零基础学习者的R语言基础第13章 R基本操作 17513.1 编程是门“手艺” 17513.1.1 为什么要学习编程 17513.1.2 编程可以学会吗 17613.2 编程语言是工具 17613.2.1 编程语言的分类 17613.2.2 编程语言的区别 17613.2.3 编程语言的选择 17713.3 初识R 17713.3.1 R的特点 17713.3.2 R安装与操作界面 17713.3.3 与R的简单互动 17913.3.4 工作空间 18113.3.5 脚本 18213.3.6 包 18313.4 本章小结 184第14章 R语言数据组织与基本数据管理 18514.1 R的基本数据类型 18514.1.1 什么是数据类型 18514.1.2 R常用的数据类型 18614.2 R的基本运算 18814.2.1 算术运算 18814.2.2 比较运算 18914.2.3 逻辑运算 19014.2.4 运算次序 19114.3 R的数据结构 19214.3.1 一维同质表达——向量 19214.3.2 二维同质模式——矩阵 19314.3.3 矩阵多维延展——数组 19414.3.4 对象有序集合——列表 19514.3.5 二维不同模式——数据框 19614.3.6 特殊变量集合——因子 19814.4 R的数据输入 19914.4.1 使用键盘输入数据 19914.4.2 从带分隔符的文本文件导入数据 20014.4.3 导入Excel数据 20114.4.4 导入SPSS数据 20114.4.5 导入SAS数据 20214.4.6 导入Stata数据 20214.4.7 导入其他数据 20214.5 R的基本数据管理 20314.6 本章小结 210第15章 高级数据管理 21115.1 数据处理案例介绍 21115.2 R内置函数 21215.3 R处理数据的步骤 21715.4 R控制流 22115.5 用户自编函数 22315.6 本章小结 225第16章 R语言数据可视化 22616.1 常见单变量统计图绘制 22716.1.1 直方图 22716.1.2 柱状图 22816.1.3 饼图 22916.1.4 箱线图 23016.2 常见双变量统计图 23016.2.1 并列箱线图 23016.2.2 散点图 23216.2.3 堆叠柱状图 23316.2.4 分组柱状图 23316.3 使用ggplot2进行高级绘图 23416.3.1 ggplot2简介 23416.3.2 为散点图添加回归拟合线 23616.3.3 分面图 23816.3.4 利用ggplot2描述数据分布 24016.4 本章小结 243主要参考文献 245
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
