具体描述
这《R语言统计入门(第2版)》以最恰当的方式向初学者介绍了R的全貌，内容涵盖基本的R语言编程方法、基本数据处理和一些高级数据操作的技巧，有助于读者理解R向量化编程的特点。此外，作者在本书中还详细描述了包含回归分析、假设检验、广义线性模型、非线性拟合等常用统计方法的原理。虽然本书以实际案例解析居多，但是并非不重视理论，作者恰当而到位地描述了理论方面的内容，既不晦涩，也非浅白，而是向读者打开了一扇窗。作者希望这本书可以作为一道“开胃菜”引导更多的人投入到对统计和R的研究之中。
作者简介
Peter Dalgaard，哥本哈根大学生物统计系的副教授，有着丰富的教学经验。自1997年起，便加入了R核心小组至今。译者简介：郝智恒，兰州人，南开大学数理统计专业毕业，目前在淘宝做数据挖掘工程师。推崇开源，认为唯有共享和交流才能让这个世界变好，固执的认为一切技术上的封闭和试图垄断都是纸老虎。何通，生长于桂林，求学于广州，喜统计，好编程，结交众友，不亦乐乎。邓一硕，毕业于中央财经大学统计学院统计专业，现效力于首钢总公司计财部。国内最大的统计学专业社区“统计之都”理事人员，感兴趣的领域是时间序列分析及数据挖掘技术在金融投资分析中的应用。个人网站为http://yishuo.org，微博为http://weibo.com/dengyishuo。刘旭华，现为中国农业大学理学院应用数学系副教授，北京理工大学博士，美国北卡莱罗纳大学教堂山分校（University of North Carolina at Chapel Hill）访问学者，主要从事数理统计方向的研究工作。主持和参与多项国家自然科学基金及其他科研基金项目，发表科研论文多篇。
目录信息
1.1 初始步骤 1
1.1.1 大型计算器 2
1.1.2 赋值 3
1.1.3 向量运算 4
1.1.4 标准过程 5
1.1.5 作图 6
1.2 r语言基础 8
1.2.1 表达式和对象 8
1.2.2 函数和参数 9
1.2.3 向量 10
1.2.4 引用和转义序列 10
1.2.5 缺失值 11
1.2.6 生成向量的函数 11
1.2.7 矩阵和数组 13
1.2.8 因子 15
1.2.9 列表 16
1.2.10 数据框 17
1.2.11 索引 17
1.2.12 条件选择 18
1.2.13 数据框的索引 19
1.2.14 分组数据和数据框 20
1.2.15 隐式循环 21
1.2.16 排序 23
1.3 练习题 24
第2章 r语言环境 25
2.1 会话管理 25
2.1.1 工作空间窗口 25
2.1.2 文本输出 26
2.1.3 脚本 27
2.1.4 获取帮助 27
2.1.5 包 28
2.1.6 内置数据 29
2.1.7 attach和detach 29
2.1.8 subset，transform和within 31
2.2 作图系统 32
2.2.1 图形布局 32
2.2.2 利用部分构造图形 33
2.2.3 par的使用 34
2.2.4 组合图形 35
2.3 r编程 36
2.3.1 流程控制 37
2.3.2 类和类函数 37
2.4 数据输入 38
2.4.1 读取文本文件 39
2.4.2 read.table 的进一步讨论 41
2.4.3 数据编辑器 42
2.4.4 其他程序的接口 43
2.5 练习题 44
第3章 概率和分布 45
3.1 随机抽样 45
3.2 概率计算和排列组合 46
3.3 离散分布 47
3.4 连续分布 47
3.5 r中的内置分布 48
3.5.1 密度 48
3.5.2 累积分布函数 50
3.5.3 分位数 51
3.5.4 随机数字 52
3.6 练习题 53
第4章 描述性统计和图形 54
4.1 单组的汇总统计量 54
4.2 分布的图形展示 58
4.2.1 直方图 58
4.2.2 经验累积分布 59
4.2.3 q–q图 59
4.2.4 箱式图 60
4.3 分组数据的汇总统计量 61
4.4 分组数据作图 64
4.4.1 直方图 64
4.4.2 并联箱式图 65
4.4.3 带状图 66
4.5 表格 68
4.5.1 生成表格 68
4.5.2 边际表格和相对频数 71
4.6 表格的图形显示 72
4.6.1 条形图 72
4.6.2 点图 74
4.6.3 饼图 75
4.7 练习题 76
第5章 单样本与双样本检验 77
5.1 单样本t检验 77
5.2 wilcoxon符号秩检验 80
5.3 两样本t检验 82
5.4 比较方差 83
5.5 两样本wilcoxon检验 84
5.6 配对t检验 85
5.7 配对wilcoxon检验 86
5.8 练习题 87
第6章 回归与相关性 88
6.1 简单线性回归 88
6.2 残差与回归值 92
6.3 预测与置信带 95
6.4 相关性 98
6.4.1 皮尔逊相关系数 98
6.4.2 斯皮尔曼相关系数 99
6.4.3 肯德尔等级相关系数? 100
6.5 练习题 100
第7章 方差分析与kruskal-wallis检验 102
7.1 单因素方差分析 102
7.1.1 成对比较和多重检验 106
7.1.2 放宽对方差的假设 107
7.1.3 图像表示 108
7.1.4 bartlett检验 109
7.2 kruskal-wallis检验 110
7.3 双因素方差分析 110
7.4 friedman检验 114
7.5 回归分析中的方差分析表 114
7.6 练习题 115
第8章 表格数据 117
8.1 单比例 117
8.2 两个独立的比例 118
8.3 k比例，检验趋势 120
8.4 r ? c表格 122
8.5 练习题 124
第9章 功效与样本容量的计算 126
9.1 功效计算原则 126
9.1.1 单样本t及配对样本t检验的功效 127
9.1.2 两样本t检验的功效 128
9.1.3 近似方法 128
9.1.4 比较比例的功效 129
9.2 两样本问题 129
9.3 单样本问题及配对样本检验 131
9.4 比例的比较 131
9.5 练习题 132
第10章 数据处理的高级技术 133
10.1 变量的重编码 133
10.1.1 cut函数 133
10.1.2 处理因子 135
10.1.3 日期的使用 136
10.1.4 多变量重编码 139
10.2 条件计算 140
10.3 合并与重构数据框 141
10.3.1 追加数据框 141
10.3.2 合并数据框 142
10.3.3 重塑数据框 144
10.4 数据的分组及分案例操作 146
10.5 时间分割 148
10.6 练习题 152
第11章 多元回归 153
11.1 多维数据绘图 153
11.2 模型设定和模型输出 155
11.3 模型筛选 157
11.4 练习题 161
第12章 线性模型 162
12.1 多项式回归 163
12.2 过原点的回归分析 165
12.3 设计矩阵与虚拟变量 166
12.4 组间的共线性 168
12.5 交互效应 172
12.6 可重复的双因素方差分析 172
12.7 协方差分析 173
12.7.1 图形描述 174
12.7.2 比较回归线 177
12.8 模型诊断 183
12.9 练习题 187
第13章 逻辑回归 189
13.1 广义线性模型 190
13.2 表格化数据的逻辑回归 190
13.2.1 偏差表分析 195
13.2.2 与趋势检验之间的关联 196
13.3 似然剖面分析 197
13.4 让步比估计的表达 199
13.5 原始数据的逻辑回归 199
13.6 预测 201
13.7 模型检查 202
13.8 练习题 206
第14章 生存分析 208
14.1 重要概念 208
14.2 生存对象 209
14.3 kaplan-meier估计 210
14.4 对数秩检验 213
14.5 cox比例风险模型 214
14.6 练习题 216
第15章 比率和泊松回归 217
15.1 基本思想 217
15.1.1 泊松分布 217
15.1.2 带有常数风险的生存分析 218
15.2 泊松模型的拟合 219
15.3 计算比率 223
15.4 带有常数强度的模型 226
15.5 练习题 230
第16章 非线性曲线拟合 231
16.1 基本用法 232
16.2 寻找初值 233
16.3 自启动模型 238
16.4 剖面分析 240
16.5 更好地控制拟合算法 241
16.6 练习题 242
附录a 获取并安装r以及iswr包 243
附录b iswr中的数据集 246
附录c 摘要 272
附录d 练习题答案 283
· · · · · · (收起)
读后感
介绍了ISwR这个数据包，还介绍了R用于统计的方法，给出了命令，直接运行就行了，非常方便。 呵呵，不是专门的统计学家，只是做点应用研究的话，我觉得这本书够用了。 值得学R语言的人看看。
介绍了ISwR这个数据包，还介绍了R用于统计的方法，给出了命令，直接运行就行了，非常方便。 呵呵，不是专门的统计学家，只是做点应用研究的话，我觉得这本书够用了。 值得学R语言的人看看。
这是一本2008年的老作品，英文原版我看过部分章节。这是一本类似于工具书的介绍R语言的书籍。总体来说，因为写地比较详细、代码也给地很充足，这本书适合想学习R语言初学者。如果你是一名搞统计的但苦于学习R语言的，这本书能很好地作为范例来教你如何轻松使用R语言；另一方面...
这是一本2008年的老作品，英文原版我看过部分章节。这是一本类似于工具书的介绍R语言的书籍。总体来说，因为写地比较详细、代码也给地很充足，这本书适合想学习R语言初学者。如果你是一名搞统计的但苦于学习R语言的，这本书能很好地作为范例来教你如何轻松使用R语言；另一方面...
这是一本2008年的老作品，英文原版我看过部分章节。这是一本类似于工具书的介绍R语言的书籍。总体来说，因为写地比较详细、代码也给地很充足，这本书适合想学习R语言初学者。如果你是一名搞统计的但苦于学习R语言的，这本书能很好地作为范例来教你如何轻松使用R语言；另一方面...
用户评价
老实说，我买过不少统计学的书，很多都让人读着读着就犯困，要么是数学公式多得让人头晕，要么就是语言太学术化难以理解。然而，这本书的叙述风格却保持了一种令人惊讶的“亲和力”。它成功地在保持统计学严谨性的同时，用非常生活化的语言来解释复杂的概念。例如，它对假设检验的解释，不是直接抛出P值和显著性水平的定义，而是通过一个生动的小故事来构建一个直观的理解框架，这对于初学者建立正确的统计思维至关重要。阅读这本书时，我感觉自己像是在听一位经验丰富的导师在耳边耐心指导，而不是在啃一本教科书。这种流畅的阅读体验，极大地降低了学习统计的门槛，让我能够更专注于掌握核心的分析技能。
这本书的实战导向性非常强，可以说是“用中学，以用促学”的完美体现。它没有浪费篇幅在对R语言历史或者统计学发展史的冗长回顾上，而是直奔主题——如何用R解决实际问题。书中的案例选择非常贴近现代数据分析的常见场景，从市场调研数据到用户行为分析，覆盖面广且实用性强。我最欣赏的一点是，作者非常注重结果的可重复性。在每个案例的结尾，都会强调代码的注释规范和环境配置的重要性，这对于团队协作和长期项目维护具有指导意义。跟随这本书的步骤操作下来，我不仅学会了统计方法，更重要的是，我建立起了一套标准化的、可被他人理解和验证的分析流程。这本书记载的不仅仅是知识，更是一种专业的“工作方法论”。
这本书简直是打开了我对数据分析世界的一扇大门，特别是对于我这种之前只接触过一些基础统计学概念的人来说，它的讲解方式简直是化繁为简。作者在介绍R语言基础语法和数据结构时，并没有陷入枯燥的理论堆砌，而是非常巧妙地结合了实际案例，让学习过程充满了乐趣和成就感。我记得有一次我尝试用书里的方法处理一个实际工作中遇到的数据清理问题，结果一次就成功了，那种豁然开朗的感觉真是太棒了。更让我印象深刻的是，书中对于统计模型的介绍，比如线性回归和逻辑回归，不仅讲解了背后的数学原理，还详细展示了如何在R中进行操作和结果解读，每一个步骤都清晰明了，几乎不用去翻阅其他参考资料就能独立完成分析。这本书的编排逻辑非常顺畅，从基础到进阶，层层递进，使得读者能够稳扎稳打地建立起坚实的统计分析基础。
这本书在图表可视化方面的处理，简直是教科书级别的典范。在数据分析领域，好的可视化是沟通结果的关键，而这本书对此投入了大量的笔墨。它不仅仅是教你怎么用R画出标准的条形图或散点图，而是深入讲解了如何利用图形的元素去讲述数据背后的故事，如何通过调整颜色、标签和布局来优化信息传达的效率。我尤其是被书中关于探索性数据分析（EDA）章节所折服，作者展示了一系列可以快速洞察数据特征的图形组合，这些技巧是我以前从未系统接触过的。每一种图表的生成代码都提供了详细的定制化选项，这使得读者在掌握基础后，可以迅速将自己的分析结果打造成专业级别的报告。可以说，这本书为我从“得出数字”到“展示洞察”搭建了一座坚实的桥梁。
拿到这本书的时候，我就被它那种务实到近乎严苛的细节态度所吸引。不同于市面上很多只停留在表面概念介绍的统计入门书籍，这本书似乎是为那些真的想把R语言用在工作和研究中的人量身定做的。它对于数据预处理的讲解尤其到位，很多常见的“坑”——比如缺失值处理、异常值检测、数据标准化——都被作者用近乎手把手的教程形式一一剖析。我特别欣赏它对不同数据类型操作的细致区分，这在实际操作中至关重要，直接决定了分析结果的可靠性。书中提供的代码示例非常规范，而且几乎每个代码块后面都有详尽的解释，甚至连一些不常用但非常实用的函数包的用法也被囊括其中。这种深度和广度结合的写作风格，让这本书不仅适合初学者作为引路石，对于有一定基础想要查漏补缺的“老手”来说，也是一本极佳的案头工具书。
书很不错。只是想吐槽一下自己，都要毕业了还在挣扎着啃一些入门。难怪求职处处碰壁呢
无功无过。
代码不是很详细，图片少；虽然以入门为书名，但是并不适合初学者
代码不是很详细，图片少；虽然以入门为书名，但是并不适合初学者
近似小白 基础差 这本书我竟然觉得有一些看不懂啊啊啊
