本书主要介绍一个免费而专业的统计计算机语言及软件平台——R。

本书共分九章，第一章为基本人门的简单指令；第二章介绍数据及对象的类型；第三章介绍各类统计分布及如何在R进行模拟实验；第四章介绍有关R程序编写；第五章是关于读取及整理数据。第六及第七章为关于R的统计模型；第六章主要是常用的线性统计模型如线性回归、方差分析及广义线性模型；而第七章是关于一些常用多元统计方法如聚类分析、分类树及人工神经网络等；第八章是有关R的造像功能；最后一章则关于最优化方法。

第一章 R入门

1.1 下载及安装R

1.2 启动和退出R环境

1.3 输入指令

1.4 R原始码的使用(R Source code)

1.5 R在线说明

1.6 常用功能

1.7 变量与赋值

1.8 向量

1.9 从向量中选取子集

1.10 R例子

1.11 R图像解说

第二章 对象与数据类型

2.1 引言

2.2 标量(Scalar)与向量

2.3 类型检视与转换

2.4 因子(Factor)

2.5 矩阵(Matiix)

2.6 清单(List)

2.7 数据框(Data Frame)

2.8 例题：数据框和因子的应用

 2.8.1 读取和组织数据

 2.8.2 数据分析

第三章 统计分布及模拟

3.1 引言

3.2 sample函数

3.3 统计分布

3.4 中心极限定理(Central Limit Theorem)

第四章 程序编写

4.1 引言

4.2 函数的编写

4.3 函数的编辑

4.4 循环和逻辑

4.5 Apply函数

4.6 防错

4.7 除错函数

4.8 例子

第五章 读取及整理数据

5.1 引言

5.2 read.csv指令

5.3 read.table指令

5.4 scan指令

5.5 清单及数据框的连系

5.6 数据整理

 5.6.1 数据选取

 5.6.2 排序及秩(Sorting and Ranking)

 5.6.3 配对(Matching)

 5.6.4 重复记录(Duplicated Records)

5.7 应用

5.8 遗漏数值(Missing Values)及完整记录(Complete Cases)

第六章 统计模型(一)

6.1 引言

6.2 模型公式

6.3 回归模型

6.4 多元回归模型

6.5 方差分析模型(Analysis of Variance Model)

6.6 广义线性模型(Generalized Linear Models)

 6.6.1 Binomial模型(Logistic Regression)

第七章 统计模型(二)

7.1 引言

7.2 线性判别分析(Linear Discriminant Analysis)

7.3 聚类分析(Cluster Analysis)

 7.3.1 分层聚类分析方法

 7.3.2 非分层聚类分析方法

7.4 分类树(Classification Tree)

7.5 人工神经网络(Artificial Neural Network)

7.6 程序馆(Library)

第八章 制造图像

8.1 引言

8.2 Old Faithful喷泉

8.3 多重图框(Multiframe Graphic)

8.4 修饰图像

 8.4.1 应用颜色及字符

 8.4.2 增加直线

8.5 多重图格(Muhiframe Grid)

第九章 最优化方法

9.1 引言

9.2 非线性方程求解

9.3 一元函数最优化方法

9.4 多元函数最优化方法

9.5 应用

主要参考书目

英汉词汇对照及索引