●第1章數據與R語言
1.1數據與統計學
1.1.1統計學與數據分析
1.1.2數據分析方法和工具
1.1.3數據及其來源
1.2 R語言的初步使用
1.2.1 R軟件的下載與安裝
1.2.2對像賦值與運行
1.2.3編寫代碼腳本
1.2.4查看幫助文件
1.2.5包的安裝與加載
1.2.6數據讀取和保存
習題

第2章 數據處理和繪圖基礎
2.1 R的數據類型及其操作
2.1.1 向量、矩陣和數組
2.1.2 數據框
2.1.3 因子和列表
2.2 數據抽樣和篩選
2.2.1 數據抽樣
2.2.2 數據篩選
2.2.3 生成隨機數
2.3 數據類型的轉換
2.3.1 變量轉換成向量
2.3.2 數據框轉換成矩陣
2.3.3 短格式轉化成長格式
2.4 生成頻數表
2.4.1 類別數據頻數表
2.4.2 數值數據類別化
2.5 R語言繪圖基礎
2.5.1 基本繪圖函數
2.5.2 圖形控制和頁面布局
2.5.3 圖形配色
習題

第3章 數據可視化
3.1 類別數據可視化
3.1.1 條形圖及其變種
3.1.2 餅圖及其變種
3.2 數據分布可視化
3.2.1 直方圖與核密度圖
3.2.2 箱線圖和小提琴圖
3.2.3 莖葉圖
3.3 變量間關繫可視化
3.3.1 散點圖
3.3.2 散點圖矩陣和相關繫數矩陣
3.3.3 3D散點圖和氣泡圖
3.4 樣本相似性可視化
3.4.1 輪廓圖
3.4.2 雷達圖
3.4.3 星圖
3.5 時間序列可視化
3.5.1 折線圖
3.5.2 面積圖
3.6 可視化的注意事項
3.6.1素
3.6.2 坐標軸刻度起點
3.6.3 圖形比例
3.6.4 3D圖形
習題

第4章 數據的描述統計量
4.1 描述水平的統計量
4.1.1 平均數
4.1.2 分位數
4.1.3 眾數
4.2 描述差異的統計量
4.2.1 極差和四分位差
4.2.2 方差和標準差
4.2.3 變異繫數
4.3 描述分布形狀的統計量
4.3.1 偏度繫數
4.3.2 峰度繫數
4.4 數據標準化
4.4.1 標準分數
4.4.2 極值標準化
4.5 數據的綜合描述
4.5.1 幾個常用的 R 函數
4.5.2 一個綜合描述的例子
習題

第5章 隨機變量的概率分布
5.1 什麼是概率
5.2 隨機變量的概率分布
5.2.1 隨機變量及其概括性度量
5.2.2 隨機變量的概率分布
5.2.3 其他幾個重要的統計分布
5.3 樣本統計量的概率分布
5.3.1 統計量及其分布
5.3.2 樣本均值的抽樣分布
5.3.3 樣本方差的抽樣分布
5.3.4 樣本比例的抽樣分布
5.3.5 統計量的標準誤
習題

第 6章 參數估計
6.1 參數估計的原理
6.1.1 點估計與區間估計
6.1.2 評量估計量的標準
6.2 總體均值的區間估計
6.2.1 一個總體均值的估計
6.2.2 兩個總體均值差的估計
6.3 總體比例的區間估計
6.3.1 一個總體比例的估計
6.3.2 兩個總體比例差的估計
6.4 總體方差的區間估計
6.4.1 一個總體方差的估計
6.4.2 兩個總體方差比的估計
習題

第7章 假設檢驗
7.1 假設檢驗的原理
7.1.1 提出假設
7.1.2 做出決策
7.1.3 表述結果
7.1.4 效應量
7.2 總體均值的檢驗
7.2.1 一個總體均值的檢驗
7.2.2 兩個總體均值差的檢驗
7.3 總體比例的檢驗
7.3.1 一個總體比例的檢驗
7.3.2 兩個總體比例差的檢驗
7.4 總體方差的檢驗
7.4.1 一個總體方差的檢驗
7.4.2 兩個總體方差比的檢驗
7.5 正態性檢驗
7.5.1 正態概率圖
7.5.2 Shapiro-Wilk檢驗和Kolmogorov-Smirnov檢驗
習題

第8章類別變量分析
8.1 一個類別變量的擬合優度檢驗
8.1.1 期望頻數相等
8.1.2 期望頻數不等
8.2 兩個類別變量的獨立性檢驗
8.2.1 列聯表與 χ2獨立性估計
8.2.2 應用χ2檢驗的注意事項
8.3 兩個類別變量的相關性度量
8.3.1 φ繫數和 Cramer’s V繫數
8.3.2 列聯繫數
習題

第9章 方差分析
9.1 方差分析的原理
9.1.1 什麼是方差分析
9.1.2 誤差分解
9.2 單因子方差分析
9.2.1 數學模型
9.2.2 效應檢驗
9.2.3 效應量分析
9.2.4 多重比較
9.3 雙因子方差分析
9.3.1 數學模型
9.3.2 主效應分析
9.3.3 交互效應分析
9.4 方差分析的假定及其檢驗
9.4.1 正態性檢驗
9.4.2 方差齊性檢驗
習題

第10線性回歸
10.1 確定變量間的關繫
10.1.1 變量間的關繫
10.1.2 相關關繫的描述
10.1.3 關繫強度的度量
10.2 模型估計和檢驗
10.2.1 回歸模型與回歸方程
10.2.2 參數的最小二乘估計
10.2.3 模型的擬合優度
10.2.4 模型的顯著性檢驗
10.3 利用回歸方程進行預測
10.3.1 均值的置信區間
10.3.2 個別值的預測區間
10.4 回歸模型的診斷
10.4.1 殘差與殘差圖
10.4.2 檢驗模型假定
習題

第11線性回歸
11.線性回歸模型及其參數估計
11.1.1 回歸模型與回歸方程
11.1.2 參數的最小二乘估計
11.2 擬合優度和顯著性檢驗
11.2.1 模型的擬合優度
11.2.2 模型的顯著性檢驗
11.2.3 模型診斷
11.3 多重共線性及其處理
11.3.1 多重共線性及其識別
11.3.2 變量選擇與逐步回歸
11.4 相對重要性和模型比較
11.4.1自變量的相對重要性
11.4.2 模型比較
11.5 用回歸方程進行預測
11.6 啞變量回歸
11.6.1 在模型中引入啞變量
11.6.2 含有一個啞變量的回歸
習題

第12章 時間序列分析和預測
12.1 時間序列的描述性分析
12.1.1 增長率分析
12.1.2 成分分解
12.1.3 隨機成分平滑
12.2 預測方法的選擇與評估
12.3 指數平滑預測
12.3.1 指數平滑模型的一般表達
12.3.2 簡單指數平滑預測
12.3.3 Holt指數平滑預測
12.3.4 Winters指數平滑預測
12.4 趨勢外推預測
12.4.1線性趨勢預測
12.4.2 非線性趨勢預測
習題
附錄 自助法置信區間
A.1 自助法與傳統方法的比較
A.1.1 傳統參數推斷的原理
A.1.2自助法參數推斷的原理
A.1.3 自助法與傳統方法的異同
A.2幾種常見的自助法置信區間
A.2.1 正態近似法
A.2.2 百分位數法
A.2.3 偏差矯正百分位數法
A.2.4 百分位t法
A.3 自助法置信區間的應用
A.3.1 總體均值的自助法置信區間
A.3.2 總體方差的自助法置信區間
A.3.3 決定繫數和回歸繫數的自助法置信區間
A.3.4 其他參數的自助法置信區間
A.3.5 一個實際例子的自助法應用
參考書目

1.統計方法與R軟件的有機結合。本書是一本基於R語言實現全部例題計算和分析的統計學教材，內容包括數據的描述性分析方法、推斷方法以及常用的一些統計方法等，附錄介紹了自助法置信區間的原理和應用。例題解答給出了詳細的R代碼，並列有必要的注釋，對R的輸出結果做了詳盡解讀。
2.注重統計方法應用，避免方法的數學推導。側重於對統計方法思想和原理的介紹，並結合實際數據和案例講述統計方法的應用，避免統計公式的推導，側重於方法的R實現及其結果的解讀，力求通俗易懂。
3.完善的教學和學習資源。為方便教學和學習，全書配有詳細的教學大綱（含思政建設內容）、詳細的R代碼腳本、教學和學習用ppt（課件）、例題和練習題數據、習題答案等。