第一篇 R基礎
第1章 緒論
1.1 R的起源和發(fā)展
1.2 R的功能和特點
1.3 R軟件的獲取與安裝
1.4 R工作基本原理
1.5 R在線幫助
1.6 獲取關于R和系統(tǒng)的信息
第2章 R的數(shù)據(jù)操作
2.1 數(shù)的簡單運算
2.2 數(shù)學函數(shù)
2.3 向量
2.4 矩陣
2.5 數(shù)組
2.6 因子向量 第一篇  R基礎
第1章  緒論
  1.1  R的起源和發(fā)展
  1.2  R的功能和特點
  1.3  R軟件的獲取與安裝
  1.4  R工作基本原理
  1.5  R在線幫助
  1.6  獲取關于R和系統(tǒng)的信息
第2章  R的數(shù)據(jù)操作
  2.1  數(shù)的簡單運算
  2.2  數(shù)學函數(shù)
  2.3  向量
  2.4  矩陣
  2.5  數(shù)組
  2.6  因子向量
  2.7  隨機序列
第3章  對象和數(shù)據(jù)框
  3.1  對象的種類與屬性
  3.2  改變對象的屬性
  3.3  對象的使用
第4章  R數(shù)據(jù)的生成、導入和導出
  4.1  創(chuàng)建R數(shù)據(jù)集
  4.2  從文件讀取數(shù)據(jù)
  4.3  從其他應用軟件所產(chǎn)生的數(shù)據(jù)文件導入數(shù)據(jù)
  4.4  存儲數(shù)據(jù)
  4.5  在R中顯示數(shù)據(jù)
第5章  數(shù)據(jù)集的整理
  5.1  數(shù)據(jù)集的檢查
  5.2  數(shù)據(jù)集的修改
  5.3  變量值的替換或取出數(shù)據(jù)子集
  5.4  向量和矩陣的合并與刪除
第6章  R程序包
  6.1  R程序包的種類
  6.2  程序包的安裝
  6.3  關于程序包操作的函數(shù)
  6.4  程序包及其幫助
第7章  R函數(shù)
  7.1  函數(shù)的調(diào)用與查詢
  7.2  用戶自定義函數(shù)
  7.3  幾種特殊的函數(shù)
  7.4  泛型函數(shù)
第8章  R繪圖
  8.1  管理繪圖
  8.2  繪制圖形
  8.3  繪圖參數(shù)與繪圖符號
  8.4  幾種復雜圖形的繪制
第9章  控制流
  9.1  if-條件語句
  9.2  ifelse()函數(shù)
  9.3  switch()函數(shù)
  9.4  for()語句
  9.5  while()語句
  9.6  repeat語句
第10章  R編程實踐
  10.1  一個非線性模型的編程
  10.2  編寫一個兩獨立樣本，檢驗的R程序
  10.3  獨立樣本2×2差異性檢驗的自定義函數(shù)
  10.4  計算線性回歸參數(shù)估計值的程序
  10.5  對三個不同種屬的鳥繪圖
  10.6  編寫用Newton-Raphson迭代法求解非線性方程組的根的程序
  10.7  用遞歸函數(shù)計算積分的程序
  10.8  正態(tài)分布概率密度函數(shù)動畫程序
  10.9  一個猜數(shù)字的小游戲
  10.10  程序的運行方式
    第二篇  常用統(tǒng)計方法
第11章  定量變量的描述性統(tǒng)計
  11.1  頻數(shù)分布
  11.2  集中趨勢
  11.3  離散趨勢
  11.4  正態(tài)分布
  11.5  醫(yī)學參考值的估計
第12章  分類變量的描述性統(tǒng)計
  12.1  常用的比例指標及其意義
  12.2  相對危險度與優(yōu)勢比
  12.3  率的標準化法
  12.4  動態(tài)數(shù)列
  12.5  比例指標應用時的注意事項
第13章  抽樣誤差、區(qū)間估計與假設檢驗
  13.1  均數(shù)的抽樣誤差
  13.2  均數(shù)的抽樣誤差的分布——t分布
  13.3  總體均數(shù)的可信區(qū)間估計
  13.4  方差的抽樣誤差與可信區(qū)間估計
  13.5  率的抽樣誤差與可信區(qū)間估計
  13.6  假設檢驗
第14章  x2檢驗
  14.1  x2分布
  14.2  擬合優(yōu)度檢驗
  14.3  獨立性檢驗
  14.4  趨勢檢驗
  14.5  多個四格表的聯(lián)合分析
  14.6  四格表的費歇爾精確概率檢驗
第15章  方差分析
  15.1  單向方差分析
  15.2  雙向方差分析
第16章  二項分布與泊松分布
  16.1  二項分布的概念
  16.2  二項分布的性質(zhì)
  16.3  二項分布的應用
  16.4  泊松分布的概念
  16.5  Poisson分布的性質(zhì)
  16.6  Poisson分布的應用
第17章  生存時間資料的非參數(shù)分析方法
  17.1  生存時間資料的特點
  17.2  小樣本生存率的Kaplan-Meier估計
  17.3  大樣本生存率的壽命表法估計
  17.4  生存曲線比較的假設檢驗
第18章  回歸與相關
  18.1  直線回歸與相關
  18.2  多元線性回歸與相關
第19章  Logistic回歸
  19.1  Logistic回歸的模型結(jié)構(gòu)
  19.2  回歸參數(shù)的估計及其假設檢驗
  19.3  回歸參數(shù)的解釋
  19.4  回歸模型擬合情況的分析
  19.5  應用Logistic回歸時值得注意的幾個問題
  19.6  匹配設計資料的Logistic回歸
第20章  Cox比例風險模型
  20.1  模型結(jié)構(gòu)與參數(shù)估計
  20.2  回歸模型的應用
  20.3  風險函數(shù)和生存函數(shù)的估計
  20.4  比例風險假設的檢驗
  20.5  時依協(xié)變量
    第三篇  時間序列分析方法
第21章  時間序列的特點
  21.1  時間序列資料的組分
  21.2  時間序列的自相關性
  21.3  時間序列的平穩(wěn)性概念
  21.4  幾種基本的平穩(wěn)時間序列模型
  21.5  時間序列平穩(wěn)性檢驗
第22章  時間序列的經(jīng)典分析方法
  22.1  經(jīng)典組分分解法
  22.2  線性回歸分析法
  22.3  調(diào)和季節(jié)模型(harmonic seasonal models)
  22.4  指數(shù)勻滑與Holt-Winters指數(shù)勻滑法
第23章  平穩(wěn)時間序列分析
  23.1  差分算子和后向移位算子
  23.2  自回歸模型
  23.3  移動平均模型
  23.4  自回歸移動平均模型
  23.5  平穩(wěn)時間序列模型的配合
第24章  非平穩(wěn)時間序列分析
  24.1  非平穩(wěn)時間序列的平穩(wěn)化
  24.2  ARIMA模型
  24.3  ARIMA(p，d，g)模型的預報
第25章  季節(jié)非平穩(wěn)時間序列模型
  25.1  單純季節(jié)自回歸求和移動平均模型
  25.2  復合性季節(jié)自回歸求和移動平均模型
第26章  帶輸入變量的時間序列模型
  26.1  具有自相關殘差的回歸模型
  26.2  干預模型
  26.3  傳遞函數(shù)模型
第27章  廣義加性模型
  27.1  廣義加性模型的結(jié)構(gòu)
  27.2  廣義加性模型配合的例子
第28章  不良健康效應的經(jīng)濟損失分析
  28.1  健康效應模型
  28.2  經(jīng)濟損失的估計
附表1  標準正態(tài)分布曲線下的面積
附表2  t界值表
附表3  卡方界值表
附表4  F分布的上側(cè)臨界值表(供方差分析用)
附表5  野界值表
附表6-1  百分率的可信區(qū)間
附表6-2  百分率的可信區(qū)間
附表6-3  百分率的可信區(qū)間
附表7  Poisson分布的可信區(qū)間
附表8  廠界值表(Peal.son相關系數(shù)檢驗用)