《基于R的统计分析与数据挖掘》课件.pptx

第1章 关于R;为什么选择R和如何学习R;R入门必备;R的下载;启动R;当前已经加载了哪些包;当前可以做的事情;当前可以做的事情;如何获得的R帮助文档;函数和包的拓展使用;R的运行方式;R的运行方式;退出R;第2章 R的数据组织;从存储角度划分R对象;从结构角度划分R对象;创建和访问R的数据对象;创建和访问R的数据对象;向量的创建和访问;访问向量中的元素;矩阵的创建和访问;矩阵的创建和访问;访问矩阵中的元素;访问矩阵中的元素;访问矩阵中的元素;数据框的创建和访问;访问数据框;数据对象的相互转换;从文本文件读数据;第3章 R 的数据管理;数据合并;数据合并;数据排序;数据排序;缺失数据报告;判断缺失值和完整观测;判断缺失值和完整观测;生成缺失数据报告;变量计算;变量计算函数;用户自定义函数;用户自定义函数的定义;用户自定义函数的定义;变量值的重编码：分组;变量值的重编码：分组;变量值的重编码：重定义类别值;数据筛选;数据筛选：按条件筛选;数据筛选：随机筛选;数据保存;数据管理中控制流程;分支结构的流程控制;分支结构的流程控制;循环结构的流程控制;循环结构的流程控制;循环结构的流程控制;循环结构的流程控制;利用流程控制还原汇总数据;第4章 R的基本数据分析：描述和相关;数值型单变量的描述;计算基本描述统计量;计算多个变量的某个描述统计量;分类型单变量的描述;分类型单变量的描述;两数值型变量相关性的分析;计算简单相关系数;计算简单相关系数;简单相关系数的检验;简单相关系数的检验;计算偏相关系数;计算偏相关系数;两分类型变量相关性的分析;两分类型变量相关性的描述;两分类型变量相关性的描述;两分类型变量相关性的描述;两分类型变量相关性的检验;卡方检验的R函数和示例;第5章 R的基本数据分析：可视化;R的基本数据分析：可视化;绘图基础：图形设备和图形文件;绘图基础：图形组成和图形参数;绘图基础：图形布局;数值型单变量分布的可视化;茎叶图;箱线图;箱线图;直方图与核密度图;直方图与核密度图;小提琴图;小提琴图;克利夫兰点图;克利夫兰点图;时序折线图;时序折线图;分类型变量分布和相关性的可视化;简单柱形图;简单柱形图;簇式柱形图;簇式柱形图;饼图和扇形图;饼图和扇形图;马赛克图;马赛克图;两数值型变量相关性的可视化;简单散点图;在简单散点图上添加回归线;在简单散点图上添加回归线;在简单散点图上添加回归线;高密度散点图的处理;高密度散点图的处理;高密度散点图的处理;三维散点图和气泡图;三维散点图和气泡图;三维散点图和气泡图;矩阵散点图;矩阵散点图;相关系数图;相关系数图;相关系数图;分组散点图;分组散点图;第6章 R的两均值比较检验;R的两均值比较检验;R的两均值比较检验;R的两均值比较检验;两独立样本的均值检验;两独立样本的均值检验;两独立样本的均值检验;示例：;两独立样本均值检验的进一步研究;两独立样本均值检验的进一步研究;两独立样本均值检验的进一步研究;两独立样本均值检验的进一步研究;两配对样本的均值检验;两配对样本的均值检验;两配对样本的均值检验;两配对样本的均值检验;样本均值检验的功效分析;样本均值检验的功效分析;样本均值检验的功效分析;样本均值检验的功效分析;两总体分布差异的非参数检验;Wilcoxon秩和检验;Wilcoxon秩和检验;柯尔莫哥和斯米诺夫;柯尔莫哥和斯米诺夫;两配对样本分布差异的非参数检验;Wilcoxon符号秩检验;Wilcoxon符号秩检验;两样本均值差的置换检验;两样本均值差的置换检验;示例：;两样本均值差的自举法检验;两样本均值差的自举法检验;两样本均值差的自举法检验;两样本均值差的自举法检验;两样本均值差的自举法检验;第7章 R的方差分析;方差分析;方差分析;方差分析;单因素方差分析;单因素方差分析;单因素方差分析;示例：;各总体均值的可视化;各总体均值的可视化;检验单因素方差分析的前提假设;总体正态性检验;总体正态性检验;总体正态性检验;总体正态性检验;各总体方差齐性检验;多重比较检验;多重比较检验的LSD检验;LSD（Least Significant Difference）检验的R函数：aov aov函数仅给出了控制变量第二个水平及后续水平下的观测变量均值，与控制变量第一个水平下的观测变量均值的差, 即t统计量的分子部分。结果组织在名为coefficients的成分中 示例：;单因素协方差分析;单因素协方差分析;多因素方差分析;多因素方差分析;多因素方差分析;多因素方差分析;交互效应的可视化;第8章 R的回归分析：一般线性模型;回归分析概述;回归分析的一般步骤;回归分析涉及的主要内容;回归分析涉及的主要内容;建立线性回归模型;建立线性回归模型;线性回归方程的参数估计;线性回归方程的参数估计;线