诺森R4编程入门与数据科学实战

章R语言的安装1

1.1技术栈2

1.2操作系统升级2

1.2.1Windows2

1.2.2macOS2

1.3从CRAN下载并安装R语言3

1.3.1Windows3

1.3.2macOS3

1.4下载并安装RStudio软件4

1.4.1Windows4

1.4.2macOS5

1.5RStudio的使用方法5

1.6R语言脚本的编写9

1.7总结13

1.8练习与融会贯通13

1.8.1理论核查13

1.8.2练习题14

第2章程序包的安装与使用15

2.1程序包的安装16

2.2.1haven程序包17

2.2.2readxl程序包17

2..writexl程序包18

2.2.4data.table程序包18

2.2.5extraoperators程序包19

2.2.6JWileymisc程序包19

2.2.7ggplot2程序包19

2.2.8visreg程序包20

2.2.9emmeans程序包20

2.2.10ez程序包21

2.2.11palmerpenguins程序包21

2.2程序包的使用说明21

.总结22

2.4练习与融会贯通22

2.4.1理论核查

2.4.2练习题

第3章数据的输入与输出25

3.1设置R语言25

3.2输入26

3.2.1手动输入26

3.2.2CSV格式文件：.csv27

3..Excel格式文件：.xlsx或.xls29

3.2.4RDS格式文件：.rds30

3.2.5专有格式31

3.3输出33

3.3.1CSV格式文件33

3.3.2Excel格式文件33

3.3.3RDS格式文件34

3.4总结34

3.5练习与融会贯通34

3.5.1理论核查35

3.5.2练习题35

第4章数据的处理37

4.1设置R语言37

4.2数据样式39

4.3data.table的工作方式41

4.3.1行操作的工作方式41

4.3.2列操作的工作方式51

4.3.3组操作的工作方式57

4.4示例58

4.4.1示例一：市区58

4.4.2示例二：都市统计区59

4.4.3示例三60

4.5总结60

4.6练习与融会贯通62

4.6.1理论核查62

4.6.2练习题62

第5章数据与样本63

5.1设置R语言63

5.2总体与样本64

5.3变量与数据65

5.3.1示例一66

5.3.2示例二68

5.3.3示例三69

5.3.4关于变量与数据的思考69

5.4统计思维70

5.5研究评估70

5.6样本评估71

5.6.1便利抽样72

5.6.2K抽样74

5.6.3分群抽样77

5.6.4分层抽样80

5.6.5随机抽样84

5.6.6样本知识回顾86

5.7频数表87

5.7.1示例一87

5.7.2示例二89

5.7.3示例三90

5.8总结93

5.9练习与融会贯通95

5.9.1理论核查95

5.9.2练习题95

第6章描述统计97

6.1设置R语言97

6.2可视化98

6.2.1柱状图98

6.2.2点图/图表103

6..ggplot2绘图包105

6.3集中趋势112

6.3.1算术平均值112

6.3.2中位数116

6.4数据的分布119

6.4.1示例一120

6.4.2示例二1

6.4.3示例三125

6.5数据湍流(方差)126

6.5.1示例一129

6.5.2示例二131

6.6总结132

6.7练习与融会贯通133

6.7.1理论核查134

6.7.2练习题134

第7章概率与分布137

7.1设置R语言137

7.2概率138

7.2.1示例一：独立140

7.2.2示例二：补集141

7..概率思维总结142

7.3正态分布143

7.3.1示例一145

7.3.2示例二147

7.3.3示例三148

7.3.4示例四150

7.4概率分布154

7.4.1示例一156

7.4.2示例二158

7.5中心极限定理159

7.5.1示例一161

7.5.2示例二165

7.5.3示例三169

7.6总结172

7.7练习与融会贯通173

7.7.1理论核查173

7.7.2练习题174

第8章相关与回归175

8.1设置R语言175

8.2相关177

8.2.1参数化179

8.2.2非参数化：斯皮尔曼181

8..非参数化：肯德尔183

8.2.4相关选择185

8.3简单的线回归关系185

8.3.1介绍185

8.3.2设89

8.3.3方差R2的定义193

8.3.4R语言中的线回归193

8.4总结202

8.5练习与融会贯通203

8.5.1理论核查203

8.5.2练习题204

第9章置信区间205

9.1设置R语言206

9.2可视化置信区间207

9.2.1示例一：Sigma已知210

9.2.2示例二：Sigma未知216

9..示例三218

9.2.4示例四219

9.3相似与不同数据的比较与理解221

9.3.1示例一221

9.3.2示例二2

9.4总结224

9.5练习与融会贯通224

9.5.1理论核查225

9.5.2练习题225

0章设检验227

10.1设置R语言227

10.2H0与H1的对比228

10.2.1示例一229

10.2.2示例二229

10.3类错误与第二类错误0

10.3.1示例一1

10.3.2示例二2

10.3.3示例三2

10.4Alpha与Beta的概念2

10.5设5

10.6零设显著检验

10.6.1示例一

10.6.2示例二

10.6.3示例三241

10.7总结243

10.8练习与融会贯通244

10.8.1理论核查244

10.8.2练习题244

1章多元回归245

11.1设置R语言245

11.2线回归的Redux架构247

11.3多元回归254

11.3.1多元预测模型的意义254





11.3.2R语言中的多元回归256



……

Matt Wiley领导维多利亚大学的机构有效、研究和评估部门，同时负责促进战略和单位规划、数据知情决策、州/地区/联邦问责制度的发展。作为一名终身数学副教授，他曾在数学教育(加利福尼亚州)和学生参与(得克萨斯州)活动中获奖。此外，Matt拥有加利福尼亚大学和得克萨斯A&M系统的计算机科学、商业和纯数学。 除了学术成就，他还参与合著了三本关于流行的R编程语言的图书，并担任一家统计咨询公司的管理合伙人近10年。他还拥有使用R、SL、C++、Ruby、FORTRAN、JavaScript语言的编程经验。 作为一名程序员、出版作家、数学家和变革型，Matt总是将写作的热情同解决逻辑和数据科学问题的乐趣融为一体。无论是在会议室，还是在教室，他都喜欢采用动态的方式与跨学科和多元化的团队进行合作，使复杂的想法和项目变得易于解决。 Joshua F. Wiley是莫纳什大学脑与健康特纳研究所以及心理科学学院的讲师。他在加利福尼亚州大学洛杉矶分校获得博士，并完成了初级保健和预防方面的博士后培训。他的研究采用优选的定量方法来解释心理社会因素、睡眠和与心理和身体健康有关的健康行为之间的动态关系。他独立开发或与他人共同开发了许多R 语言程序包，包括用于运行贝叶斯尺度-位置结构方程模型的varian程序包；将R语言链接到商业Mplus软件的MplusAutomation程序包；用于更快逻辑运算的额外运算符；用于诊断、效应大小和轻松显示多级/混合效应模型结果的多级工具；辅JWileymisc进行数据探索或者加速分析的函数。

学习如何使用R 4，编写和保存R脚本，读入和写出数据文件，使用内置函数，并了解常用的统计方法。这本深入浅出的教程介绍了R 4的主要功能，包括图表的新调色板、可用于大数据的的参考系统，以及文本的新数据导入设置和对基于文本的分类数据进行建模的统计方法。 书中每一章都以知识点清单开始，是对该章介绍的R函数的总结，以及用于测试新知识的练习。本书开篇介绍了R和CRAN软件包在Windows和macOS上的实践安装，大部分内容是对统计方法的介绍（非验的应用的统计），主要依靠R和R可视化来理解、激励和进行统计测试和建模。本书展示了R在具体案例中的使用，如方差分析、多元回归和调节回归、数据可视化、设检验等，并采取了一种基于实例的实践方法，将**实践与对所做统计的清晰解释结合起来。 主要内容 ◆ 获取并安装R和RStudio ◆ 从多种文件格式导入和导出数据 ◆ 分析数据并生成图形（包括置信区间） ◆ 互动式地进行设检验 ◆ 对多元回归和调节回归解决方案进行编码

《R 4编程入门与数据科学实战》的两名作者均为从事编程以及教育方面的专家，他们用详尽的语言，以初学者的角度进行知识点的讲解，每个细节都手把手教学,以让读者悉数掌握所有知识点，在每章的结尾都安排理论与实操相结合的习题。与同类书籍相比，除了内容详细，本书用心的一-点是尽可能地避免运用生僻的专业术语，如果无法避免则会追加详细的解释，以便读者理解领会。 《R 4编程入门与数据科学实战》的开头部分对主程序、运行环境以及相关程序包的安装做详细介绍，除了介绍本书学习相关的程序包，还延伸介绍- -些的功能极为强大的程序包，以供读者了解。此外，可圈可点的是，本书针对不同的操作系统，详细讲解了每-一步的操作过程。后续则从简单的数据导入导出开始构建使用基础，并形成相应的知识框架。 R语言在此处主要用来进行数据的处理分析，也就是通过R语言来运用统计学的相关知识。本书的绝大部分内容讲述如何将R语言与统计学结合并应用。首先从如何运用R语言抽取完美样本开始，到如何运用R语言分析样本以达到分析总体的目的，例如，概率分布、相关、回归关系、设检验、方差分析等方面的知识，其中尤为重要的一点是，如何运用R语言实现数据的可视化。可视化不仅可以让不易于观察的数字呈现更明显的规律，还便于验数据的准确。