前辅文
 第一章 R 介绍
  1.1 S 语言与R
  1.2 R的特点
  1.3 R的资源
  1.4 R 的安装与运行
   1.4.1 R 软件的安装、启动与关闭
   1.4.2 R 程序包的安装与使用
  第一章习题
 第二章 R 的基本原理与核心
  2.1 R 的基本原理
  2.2 R 的在线帮助
  2.3 一个简短的R 会话
  2.4 R 的数据结构
   2.4.1 R 的对象与属性
   2.4.2 浏览对象的信息
   2.4.3 向量的建立
   2.4.4 数组与矩阵的建立
   2.4.5 数据框(data frame) 的建立
   2.4.6 列表(list) 的建立
   2.4.7 时间序列(ts) 的建立
  2.5 数据的存储与读取
   2.5.1 数据的存储
   2.5.2 数据的读取
  2.6 R 的图形功能
   2.6.1 绘图函数
   2.6.2 低级绘图命令
   2.6.3 绘图参数
   2.6.4 一个实例
  2.7 R编程
   2.7.1 循环和向量化
   2.7.2 用R 写程序
   2.7.3 编写你自己的函数
   2.7.4 养成良好的编程习惯
  第二章习题
 第三章 概率与分布
  3.1 随机抽样
  3.2 排列组合与概率的计算
  3.3 概率分布
   3.3.1 离散分布的分布律
   3.3.2 连续分布的密度函数
  3.4 R 中内嵌的分布
  3.5 应用: 中心极限定理
   3.5.1 中心极限定理
   3.5.2 渐近正态性的图形检验
   3.5.3 举例
  第三章习题
 第四章 探索性数据分析
  4.1 常用分布的概率函数图
  4.2 直方图与密度函数的估计
   4.2.1 直方图
   4.2.2 核密度估计
  4.3 单组数据的描述性统计分析
   4.3.1 单组数据的图形描述
   4.3.2 单组数据的描述性统计
  4.4 多组数据的描述性统计分析
   4.4.1 两组数据的图形概括
   4.4.2 多组数据的图形描述
   4.4.3 多组数据的描述性统计
   4.4.4 分组数据的图形概括
  4.5 分类数据的描述性统计分析
   4.5.1 列联表的制作
   4.5.2 列联表的图形描述
  第四章习题
 第五章 参数估计
  5.1 矩法估计和极大似然估计
   5.1.1 矩法估计
   5.1.2 极大似然估计
  5.2 单正态总体参数的区间估计
   5.2.1 均值\mu 的区间估计
   5.2.2 方差igma ^2 的区间估计
  5.3 两正态总体参数的区间估计
   5.3.1 均值差\mu _1-\mu _2 的置信区间
   5.3.2 两方差比igma _1^2/igma _2^2 的置信区间
  5.4 单总体比率p 的区间估计
  5.5 两总体比率差p_1-p_2 的区间估计
  5.6 样本容量的确定
   5.6.1 估计正态总体均值时样本容量的确定
   5.6.2 估计比例p 时样本容量的确定
  第五章习题
 第六章 参数的假设检验
  6.1 假设检验与检验的p 值
   6.1.1 假设检验的概念与步骤
   6.1.2 检验的p 值
  6.2 单正态总体参数的检验
   6.2.1 均值\mu 的假设检验
   6.2.2 方差igma ^2 的检验: \chi ^2 检验
  6.3 两正态总体参数的检验
   6.3.1 均值的比较: t 检验
   6.3.2 方差的比较: F 检验
  6.4 成对数据的t 检验
  6.5 单样本比率的检验
   6.5.1 比率p 的精确检验
   6.5.2 比率p 的近似检验
  6.6 两样本比率的检验
  第六章习题
 第七章 非参数的假设检验
  7.1 单总体位置参数的检验
   7.1.1 中位数的符号检验
   7.1.2 Wilcoxon 符号秩检验
  7.2 分布的一致性检验：x ^2 检验
  7.3 两总体的比较与检验
   7.3.1 x^2独立性检验
   7.3.2 Fisher 精确检验
   7.3.3 Wilcoxon 秩和检验法和Mann-Whitney U 检验
   7.3.4 Mood 检验
  7.4 多总体的比较与检验
   7.4.1 位置参数的{Kruskal-Wallis 秩和检验
   7.4.2 尺度参数的{Ansari-Bradley 检验
   7.4.3 尺度参数的{Fligner-Killeen 检验
  第七章习题
 第八章 方差分析
  8.1 单因子方差分析
   8.1.1 数学模型
   8.1.2 均值的多重比较
   8.1.3 同时置信区间: Tukey 法
   8.1.4 方差齐性检验
  8.2 双因子方差分析
   8.2.1 无交互作用的方差分析
   8.2.2 有交互作用的方差分析
  8.3 协方差分析
  第八章习题
 第九章 回归分析与相关分析
  9.1 相关性及其度量
   9.1.1 相关性概念
   9.1.2 相关分析
  9.2 一元线性回归分析
   9.2.1 数学模型
   9.2.2 估计与检验
   9.2.3 预测与控制
   9.2.4 计算例子
  9.3 多元线性回归分析
   9.3.1 数学模型
   9.3.2 估计与检验
   9.3.3 预测与控制
   9.3.4 计算例子
  9.4 回归诊断
   9.4.1 残差分析
   9.4.2 影响分析
   9.4.3 共线性诊断
  第九章习题
 第十章 多元统计分析介绍
  10.1 主成分分析与因子分析
   10.1.1 主成分的简要定义与计算
   10.1.2 主成分R 通用程序
   10.1.3 因子分析的简要定义与计算
   10.1.4 因子分析R 通用程序
  10.2 判别分析
   10.2.1 距离判别
   10.2.2 Fisher 判别法
   10.2.3 R 通用程序
  10.3 聚类分析
   10.3.1 基本思想
   10.3.2 R 通用程序
  10.4 典型相关分析
   10.4.1 基本思想
   10.4.2 R 通用程序
  10.5 对应分析
   10.5.1 基本思想
   10.5.2 R 通用程序
  第十章习题
 第十一章 贝叶斯统计分析
  11.1 贝叶斯统计分析与经典统计分析的比较
   11.1.1 经典统计分析中存在的问题
   11.1.2 对贝叶斯统计分析的质疑及褒奖
  11.2 贝叶斯统计分析与先验分布的选取
   11.2.1 贝叶斯公式
   11.2.2 先验分布的选取
   11.2.3 贝叶斯分析体现了科学探索过程
  11.3 单参数贝叶斯统计分析
   11.3.1 两项分布下的贝叶斯推断
   11.3.2 正态分布下的贝叶斯统计推断
  11.4 多参数贝叶斯统计分析
   11.4.1 方法概述
   11.4.2 正态分布参数中的贝叶斯分析
   11.4.3 随机模拟方法
   11.4.4 一个实例
  11.5 分层贝叶斯统计分析
   11.5.1 分层模型的建立及其贝叶斯推断
   11.5.2 N--N 模型与应用
  11.6 贝叶斯线性回归分析
   11.6.1 模型的表示
   11.6.2 后验分布
   11.6.3 回归拟合
   11.6.4 后验预测
  第十一章习题
 附录A 秩与结的介绍
 附录B R 的图形界面
  B.1 R Commander
   B.1.1 功能
   B.1.2 (网络) 安装
   B.1.3 运行
   B.1.4 结构与使用
  B.2 PMG
   B.2.1 功能
   B.2.2 安装
   B.2.3 结构与使用
 附录C R 的编程环境
  C.1 R WinEdt
   C.1.1 (网络) 安装
   C.1.2 运行
   C.1.3 R WinEdt 的特点
  C.2 Tinn-R
  C.3 SciViews R
 参考文献