R语言与统计计算

《R语言与统计计算》共分12章：章为基础知识，供初学者查阅；第2章为R软件简明教程；第3、4章分别为探索性数据分析、统计推断基础；第5、6、7章分别为蒙特卡罗、随机模拟实验、随机过程计算与仿真；第8、9章分别为方差分析、回归分析；0、11、2章为现代统计计算方法，分别介绍Bootstrap方法、EM算法、MCMC方法及其应用。
《R语言与统计计算》可作为普通高等院校统计、经济、数学等专业的统计软件、统计计算、统计实验及其相关课程的学习用书。

1 基础知识
1.1 数学基础
1.2 概率论
1.3 初识随机模拟方法
1.4 误差
习题1
2 R软件简明教程
2.1 R软件介绍
2.2 R向量
2.3 矩阵与数组
2.4 因子、列表与数据框
2.5 程序设计
2.6 绘图
习题2
3 探索性数据分析
3.1 数据的整理与显示
3.2 数据分布的描述与分析
习题3
4 统计推断基础
4.1 参数估计
4.2 假设检验
4.3 分布拟合优度检验
4.4 关联性检验
习题4
5 蒙特卡罗
5.1 蒙特卡罗基本理论
5.2 利用随机数函数生成随机数
5.3 利用反函数及变换抽样法生成随机数
5.4 利用近似抽样生成随机数
5.5 利用蒙特卡罗方法进行定积分计算
5.6 蒙特卡罗方法与反常积分
习题5
6 随机模拟实验
6.1 古典概型实验
6.2 几何概型实验
6.3 火炮射击实验
6.4 几个初等随机系统实验
6.5 大数定律实验
6.6 中心极限定理实验
6.7 赌博模型
6.8 山羊与轿车选择实验
6.9 报童策略问题
习题6
7 随机过程计算与仿真
7.1 随机游动与二项过程仿真
7.2 泊松过程的计算与仿真
7.3 随机服务系统仿真
7.4 马氏链的计算与仿真
7.5 布朗运动的计算与仿真
习题7
8 方差分析与试验设计
8.1 单因素方差分析
8.2 两因素等重复试验的方差分析
习题8
9 回归分析
9.1 变量间的统计关系
9.2 多元线性回归分析
9.3 基于Logistic回归模型的本科毕业生去向分析
习题9
10 Bootstrap方法
10.1 非参数Bootstrap方法简介
10.2 Bootstrap方法与BaysBootstrap方法的比较
10.3 基于Bootstrap方法的回归分析的比较
习题10
11 EM算法
11.1 EM算法基本理论
11.2 基于EM算法的分组数据场合逆威布尔分布的参数估计
习题11
12 MCMC方法及其应用
12.1 MCMC方法基本知识
12.2 M-H算法
12.3 基于M-H算法的混合参数贝叶斯估计
12.4 三参数威布尔分布Bayes估计的混合Gibbs算法
习题12
附录 随机数生成的高级方法
参考文献