学习如何使用R4，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R4的主要功能，包括图表的新调色板、可用于大数据的增强的参考计数系统，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，最后是对该章介绍的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（非验证性的、应用性的统计），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、假设检验等，并采取了一种基于实例的实践方法，将最佳实践与对所做统计的清晰解释结合起来。

马塔·威利（Matt Wiley）领导维多利亚大学的机构有效性、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、商业和纯数学学位。
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、SQL、C++、Ruby、FORTRAN、JavaScript语言的编程经验。
作为一名程序员、出版作家、数学家和变革型领导者，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。

第1章 R语言的安装
1.1 技术栈
1.2 操作系统升级
1.2.1 Windows
1.2.2 macOS
1.3 从CRAN下载并安装R语言
1.3.1 Windows
1.3.2 macOS
1.4 下载并安装RStudio软件
1.4.1 Windows
1.4.2 macOS
1.5 RStudio的使用方法
1.6 R语言脚本的编写
1.7 总结
1.8 练习与融会贯通
1.8.1 理论核查
1.8.2 练习题
第2章 程序包的安装与使用
2.1 程序包的安装
2.2.1 haven程序包
2.2.2 readxl程序包
2.2.3 writexl程序包
2.2.4 data.table程序包
2.2.5 extraoperators程序包
2.2.6 JWileymisc程序包
2.2.7 ggplot2程序包
2.2.8 visreg程序包
2.2.9 emmeans程序包
2.2.10 ez程序包
2.2.11 palmerpenguins程序包
2.2 程序包的使用说明
2.3 总结
2.4 练习与融会贯通
2.4.1 理论核查
2.4.2 练习题
第3章 数据的输入与输出
3.1 设置R语言
3.2 输入
3.2.1 手动输入
3.2.2 CSV格式文件:.csv
3.2.3 Excel格式文件:.xlsx或.xls
3.2.4 RDS格式文件:.rds
3.2.5 其他专有格式
3.3 输出
3.3.1 CSV格式文件
3.3.2 Excel格式文件
3.3.3 RDS格式文件
3.4 总结
3.5 练习与融会贯通
3.5.1 理论核查
3.5.2 练习题
第4章 数据的处理
4.1 设置R语言
4.2 数据样式
4.3 data.table的工作方式
4.3.1 行操作的工作方式
4.3.2 列操作的工作方式
4.3.3 组操作的工作方式
4.4 示例
4.4.1 示例一：市区计数
4.4.2 示例二：都市统计区
4.4.3 示例三
4.5 总结
4.6 练习与融会贯通
4.6.1 理论核查
4.6.2 练习题
第5章 数据与样本
5.1 设置R语言
5.2 总体与样本
5.3 变量与数据
5.3.1 示例一
5.3.2 示例二
5.3.3 示例三
5.3.4 关于变量与数据的思考
5.4 统计思维
5.5 研究评估
5.6 样本评估
5.6.1 便利抽样
5.6.2 K抽样
5.6.3 分群抽样
5.6.4 分层抽样
5.6.5 随机抽样
5.6.6 样本知识回顾
5.7 频数表
5.7.1 示例一
5.7.2 示例二
5.7.3 示例三
5.8 总结
5.9 练习与融会贯通
5.9.1 理论核查
5.9.2 练习题
第6章 描述性统计
6.1 设置R语言
6.2 可视化
6.2.1 柱状图
6.2.2 点图/图表
6.2.3 ggplot2绘图包
6.3 集中趋势
6.3.1 算术平均值
6.3.2 中位数
6.4 数据的分布
6.4.1 示例一
6.4.2 示例二
6.4.3 示例三
6.5 数据湍流（方差）
6.5.1 示例一
6.5.2 示例二
6.6 总结
6.7 练习与融会贯通
6.7.1 理论核查
6.7.2 练习题
第7章 概率与分布
7.1 设置R语言
7.2 概率
7.2.1 示例一：独立性
7.2.2 示例二：补集
7.2.3 概率思维总结
7.3 正态分布
7.3.1 示例一
7.3.2 示例二
7.3.3 示例三
7.3.4 示例四
7.4 概率分布
7.4.1 示例一
7.4.2 示例二
7.5 中心极限定理
7.5.1 示例一
7.5.2 示例二
7.5.3 示例三
7.6 总结
7.7 练习与融会贯通
7.7.1 理论核查
7.7.2 练习题
第8章 相关与回归
8.1 设置R语言
8.2 相关性
8.2.1 参数化
8.2.2 非参数化：斯皮尔曼
8.2.3 非参数化：肯德尔
8.2.4 相关性选择
8.3 简单的线性回归关系
8.3.1 介绍
8.3.2 假设
8.3.3 方差R2的定义
8.3.4 R语言中的线性回归
8.4 总结
8.5 练习与融会贯通
8.5.1 理论核查
8.5.2 练习题
第9章 置信区间
9.1 设置R语言
9.2 可视化置信区间
9.2.1 示例一：Sigma已知
9.2.2 示例二：Sigma未知
9.2.3 示例三
9.2.4 示例四
9.3 相似与不同数据的比较与理解
9.3.1 示例一
9.3.2 示例二
9.4 总结
9.5 练习与融会贯通
9.5.1 理论核查
9.5.2 练习题
第10章 假设检验
10.1 设置R语言
10.2 H0与H1的对比
10.2.1 示例一
10.2.2 示例二
10.3 第一类错误与第二类错误
10.3.1 示例一
10.3.2 示例二
10.3.3 示例三
10.4 Alpha与Beta的概念
10.5 假设
10.6 零假设显著性检验
10.6.1 示例一
10.6.2 示例二
10.6.3 示例三
10.7 总结
10.8 练习与融会贯通
10.8.1 理论核查
10.8.2 练习题
第11章 多元回归
11.1 设置R语言
11.2 线性回归的Redux架构
11.3 多元回归
11.3.1 多元预测模型的意义
11.3.2 R语言