賈俊平編著的《統計學--基於R(第2版)》特色：
用通俗易懂的語言介紹統計思想和統計方法的應
用，沒有復雜的數學推導和公式證明，避免統計理論
和方法的抽像討論，強調統計模擬，給出了中心極限
定理、統計分布、估計量評價標準及參數估計等諸多
理論和方法的模擬。
使用R語言實現例題計算和繪圖，並給出詳細的R
代碼。對同類問題的分析盡可能使用不同的R包和函
數，體現R的靈活多樣性。
配有詳細的PPT和數據資源，方便教師教學和讀
者學習。

第1章 數據與R
1.1 數據與統計學
1.1.1 什麼是統計學
1.1.2 變量與數據
1.1.3 數據的來源
1.2 R的初步使用
1.2.1 R的下載與安裝
1.2.2 對像賦值與運行
1.2.3 查看幫助文件
1.2.4 包的安裝與加載
1.3 創建R數據
1.3.1 在R中錄入數據
1.3.2 數據讀取和保存
1.3.3 數據使用和編輯
1.3.4 數據類型的轉換
1.3.5 生成隨機數
1.3.6 數據抽樣與篩選
1.4 編寫R函數
1.5 圖形控制和布局
1.5.1 par函數
1.5.2 layout函數
習題
第2章 數據的可視化
2.1 數據的頻數分布
2.1.1 類別數據的頻數分布
2.1.2 數值數據的類別化
2.2 類別數據的可視化
2.2.1 條形圖及其變種
2.2.2 餅圖及其變種
2.3 數值數據的可視化
2.3.1 展示數據分布的圖形
2.3.2 展示變量間關繫的圖形
2.3.3 比較多樣本相似性的圖形
2.3.4 時間序列圖
2.4 洛倫茨曲線
2.5 使用圖表的注意事項
習題
第3章 數據的描述統計量
3.1 描述水平的統計量
3.1.1 平均數
3.1.2 分位數
3.1.3 眾數.
3.2 描述差異的統計量
3.2.1 極差和四分位差
3.2.2 方差和標準差
3.2.3 變異繫數
3.2.4 標7偉分數
3.3 描述分布形狀的統計量
3.3.1 偏度繫數
3.3.2 峰度繫數
3.4 數據的綜合描述
3.4.1 幾個常用的R函數
3.4.2 一個綜合描述的例子
習題
第4章 隨機變量的概率分布
4.1 什麼是概率
4.2 隨機變量的概率分布
4.2.1 隨機變量及其概括性度量
4.2.2 隨機變量的概率分布
4.2.3 其他幾個重要的統計分布
4.3 樣本統計量的概率分布
4.3.1 統計量及其分布
4.3.2 樣本均值的分布
4.3.3 其他統計量的分布
4.3.4 統計量的標準誤
習題
第5章 參數估計
5.1 參數估計的原理
5.1.1 點估計與區間估計
5.1.2 評量估計量的標準
5.2 總體均值的區間估計
5.2.1 一個總體均值的估計
5.2.2 兩個總體均值之差的估計
5.3 總體比例的區間估計
5.3.1 一個總體比例的估計
5.3.2 兩個總體比例之差的估計
5.4 總體方差的區間估計
5.4.1 一個總體方差的估計
5.4.2 兩個總體方差比的估計
習題
第6章 假設檢驗
6.1 假設檢驗的原理
6.1.1 提出假設
6.1.2 做出決策
6.1.3 表述結果
6.1.4 效應量
6.2 總體均值的檢驗
6.2.1 一個總體均值的檢驗
6.2.2 兩個總體均值之差的檢驗
6.3 總體比例的檢驗
6.3.1 一個總體比例的檢驗
6.3.2 兩個總體比例之差的檢驗
6.4 總體方差的檢驗
6.4.1 一個總體方差的檢驗
6.4.2 兩個總體方差比的檢驗
6.5 非參數檢驗
6.5.1 總體分布的檢驗
6.5.2 總體位置參數的檢驗
習題
第7章 類別變量分析
7.1 一個類別變量的擬合優度檢驗
7.1.1 期望頻數相等
7.1.2 期望頻數不等
7.2 兩個類別變量的獨立性檢驗
7.2.1 列聯表與X2獨立性檢驗
7.2.2 應用X2檢驗的注意事項
7.3 兩個類別變量的相關性度量
7.3.1 φ繫數和cramer’s V繫數
7.3.2 列聯繫數
習題
第8章 方差分析
8.1 方差分析的原理
8.1.1 什麼是方差分析
8.1.2 誤差分解
8.2 單因子方差分析
8.2.1 數學模型
8.2.2 效應檢驗
8.2.3 效應量分析
8.2.4 多螢比較
8.3 雙因子方差分析
8.3.1 數學模型
8.3.2 主效應分析
8.3.3 交互效應分析
8.4 方差分析的假定及其檢驗
8.4.1 正態性檢驗
8.4.2 方差齊性檢驗
8.5 單因子方差分析的非參數方法
習題
第9章 一元線性回歸
9.1 確定變量間的關繫
9.1.1 變量間的關繫
9.1.2 相關關繫的描述
9.1.3 關繫強度的度量
9.2 模型估計和檢驗
9.2.1 回歸模型與回歸方程
9.2.2 參數的*小二乘估計
9.2.3 模型的擬合優度
9.2.4 模型的顯著性檢驗
9.3 利用回歸方程進行預測
9.3.1 均值的置信區間
9.3.2 個別值的預測區間
9.4 回歸模型的診斷
9.4.1 殘差與殘差圖
9.4.2 檢驗模型假定
習題
**0章 多元線性回歸
10.1 多元線性回歸模型及其參數估計
10.1.1 回歸模型與回歸方程
10.1.2 參數的*小二乘估計
10.2 擬合優度和顯著性檢驗
10.2.1 模型的擬合優度
10.2.2 模型的顯著性檢驗
10.2.3 模型診斷
10.3 多重共線性及其處理
10.3.1 多重共線性及其識別
10.3.2 變量選擇與逐步回歸
10.4 相對重要性和模型比較
10.4.1 自變量的相對重要性
10.4.2 模型比較
10.5 利用回歸方程進行預測
10.6 啞變量回歸
10.6.1 在模型中引入啞變量
10.6.2 含有一個啞變量的回歸
習題
**1章 時間序列預測
11.1 時間序列的成分和預測方法
11.1.1 時間序列的成分
11.1.2 預測方法的選擇與評估
11.2 指數平滑預測
11.2.1 指數平滑模型的一般表達
11.2.2 簡單指數平滑預測
11.2.3 Holt指數平滑預測
11.2.4 Winter指數平滑預測
11.3 趨勢外推預測
11.3.1 線性趨勢預測
11.3.2 非線性趨勢預測
11.4 分解預測
11.5 時間序列平滑
習題
附錄1 求置信區間的自助法
附錄2 本書使用的R函數
參考書目