●章 通过来学统计很容易
1．1 统计是什么?学统计需要什么?
1．2 R不仅是一款软件，而且是一种文化
习题
第2章 数据及其模式
2．1 数据形式、变量
2．2 用图形描述变量的分布
2．3 用数字描述变量的分布
2．4 密度曲线和正态分布
习题
第3章 从数据中发现关系
3．1 使用散点图探索数据
3．2 相关
3．3 简单线性最小二乘回归
3．4 关于相关和回归的注意点
3．5 二维列联表的初等分析
习题
第4章 通过实验及抽样获得数据
4．1 关于数据
4．2 实验设计
4．3 抽样设计及推断
习题
第5章 概率：随机性的度量
5．1 随机性及概率模型
5．2 随机变量
5．3 基本概率计算
习题
第6章 抽样分布
6．1 频数和频率
6．2 样本均值
习题
第7章 统计推断：估计
7．1 正态总体均值的置信区间估计
7．2 比例的置信区间
7．3 对置信区间的常见误解
习题
第8章 统计推断：显著性检验
8．1 正态总体均值的显著性检验
8．2 对总体比例的显著性检验
8．3 关于中位数的非参数检验
8．4 合理使用还是滥用检验
8．5 检验的势和决策
习题
第9章 二维列联表和拟合优度的卡方检验
9．1 二维列联表推断
9．2 拟合优度检验
习题
0章 对简单线性回归的推断
10．1 简单线性模型
10．2 简单线性模型参数的推断
习题
1章 经典多元线性回归
11．1 模型和拟合
11．2 变换及逐步回归
11．3 自变量包括分类变量的回归
11．4 关于经典回归的一些说明
11．5 logistic回归和probit回归
习题
2章 机器学习方法的分类及回归
12．1 机器学习方法简介
12．2 分类
12．3 回归
习题
附录练习：熟练使用R软件
参考文献
内容简介
本书通过大量例子，用简单明了的语言介绍了传统统计学的所有基本概念及方法。 书中还专门用一章的内容来介绍很好重要而实用的机器学习的回归分及类方法。本书采用的计算机语言是多年来在靠前上使用排名的免费开源软件—R。读者在学完本书之后，能够准确理解统计很重要的基本概念,并能用计算机处理各种数据。
评论晒单