Поделиться

Практическое руководство.

Статистический анализ и визуализация данных с помощью R

Мастицкий С.Э., Шитиков В.К. «Статистический анализ и визуализация данных с помощью R» ДМК Пресс, 2015 год, 496 стр., ISBN: 978-5-97060-301-7; (30.5 мб. pdf, 10.1 мб. djvu)

Язык программирования R является безусловным лидером среди свободно распространяемых систем статистического анализа. Ведущие университеты мира, аналитики крупнейших компаний и исследовательских центров регулярно используют эту программную среду при проведении научно-технических расчетов и создании крупных информационных проектов.

Широкое преподавание статистики на базе R и всемерная поддержка научным сообществом обусловили то, что приведение скриптов кода этого языка постепенно становится общепризнанным стандартом как в журнальных публикациях, так и при неформальном общении ученых всего мира. Представленная книга дополняет существующую коллекцию работ по R на русском языке, обобщая и значительно расширяя совокупность методических сообщений, опубликованных ранее одним из авторов в блоге «R: Анализ и визуализация данных».

В первых главах вы найдете подробные указания по работе с интерактивными компонентами R, детальное описание языка и базовых графических возможностей среды и интересные фрагменты кода. В последующих главах приведено описание распространенных процедур обработки данных и построения статистических моделей, которое иллюстрировано несколькими десятками примеров. Все эти главы включают краткие описания соответствующих алгоритмов анализа, основные полученные в примерах результаты и их возможную интерпретацию. Книга адресована студентам, аспирантам, а также ученому сообществу и всем желающим освоить классические и современные методы анализа данных с использованием R.

Оглавление книги

Содержание.

Глава 1. Основные компоненты статистической среды R 13
1.1. История возникновения и основные принципы организации среды R 13
1.2. Работа с командной консолью 17
1.3. Работа с меню R Commander 20
1.4. Объекты, пакеты, функции, устройства 24

Глава 2. Описание языка R 31
2.1. Типы данных 31
2.2. Векторы и матрицы 32
2.3. Факторы 38
2.4. Списки и таблицы данных 40
Заполнение пустых значений 45
Сортировка таблиц 46
Объединение таблиц 46
2.5. Импортирование данных в R 47
2.6. Представление дат и времени. Временные ряды 51
Форматы представления дат и времени 51
Вычисления с датами и временем 52
Преобразование текстовых переменных в машинный формат времени 53
Временные ряды 54
2.7. Организация вычислений: функции, ветвления, циклы 56
Написание собственных функций 57
Условия и циклы 59
2.8. Векторизованные вычисления в R 61

Глава 3. Базовые графические возможности R 70
3.1. Функция plot() и ее параметры 70
Управляющие параметры функции plot() 73
Общие аргументы графических функций 74
3.2. Гистограммы, функции ядерной плотности и функция cdplot() 79
3.3. Диаграммы размахов 87
3.4. Круговые и столбиковые диаграммы 91
3.5. Диаграммы Кливленда и одномерные диаграммы рассеяния 99
3.6. Категоризованные графики 107

Глава 4. Описательная статистика, подгонка распределений и смежные задачи 114
4.1. Базовые функции для расчета параметров описательной статистики 114
4.2. summary()и функции из дополнительных пакетов 118
4.3. Анализ выбросов 121
4.4. Заполнение пропущенных значений в таблицах данных 125
4.5. Воспроизводимость результатов при использовании генератора случайных чисел 131
4.6. Законы распределения вероятностей, реализованные в R 134
4.7. Подбор закона и параметров распределения в R 136
4.8. Проверка на нормальность распределения 144
Графические способы 145
Формальные тесты 148

Глава 5. Классические методы статистики 151
5.1. Гипотеза о равенстве средних двух генеральных совокупностей 151
Одновыборочный t-критерий 151
Сравнение двух независимых выборок 153
Сравнение двух зависимых выборок 155
5.2. Ранговый критерий Уилкоксона-Манна-Уитни 157
Одновыборочный критерий Уилкоксона 157
Сравнение двух независимых выборок 158
Сравнение двух зависимых выборок 159
5.3. Рандомизация, бутстреп и оценка статистической мощности (на примере двухвыборочного t-критерия) 161
5.4. Гипотеза об однородности дисперсий 168
Проверка однородности дисперсии в двух группах 168
Проверка однородности дисперсии в нескольких группах 169
5.5. Введение в дисперсионный анализ 171
Постановка задачи 171
Две оценки генеральной дисперсии в дисперсионном анализе 174
Выполнение дисперсионного анализа в R 176
Двухфакторный дисперсионный анализ 176
5.6. Оценка корреляции двух случайных величин 180
5.7. Критерий хи-квадрат 184
Критерий хи-квадрат для таблиц сопряженности размером 2*2 184
Критерий хи-квадрат для таблиц сопряженности размером больше 2*2 187
5.8. Точный тест Фишера. Критерии Мак-Немара и Кохрана-Мантеля-Хензеля 187
Точный тест Фишера 187
Критерий Мак-Немара 190
Критерий Кохрана-Мантеля-Хензеля для таблиц сопряженности размером 2*2*K 193
5.9. Оценка статистической мощности при сравнении частот 197

Глава 6. Дисперсионный анализ 203
6.1. Протокол разведочного анализа данных 203
Выявление точек-выбросов 204
Проверка однородности групповых дисперсий 205
Проверка на нормальность распределения 206
Выявление избыточного числа нулевых значений 207
Выявление коллинеарности 207
Выявление формы связи между переменными 210
Выявление взаимодействий между предикторами 212
Влияние пространственно-временных факторов на анализируемую переменную 216
6.2. Дисперсионный анализ как линейная модель 219
6.3. Структура модельных объектов дисперсионного анализа 227
6.4. Оценка адекватности модели дисперсионного анализа 230
Проверка исходных предположений общей линейной модели 230
Проверка условия нормальности распределения 231
Проверка условия однородности групповых дисперсий 234
Что делать, когда однофакторный дисперсионный анализ неприменим? 237
6.5. Дисперсионный анализ по Краскелу-Уоллису 239
6.6. Модели двух- и многофакторного дисперсионного анализа 241
Синтаксис объекта «формула» 242
Выполнение двухфакторного дисперсионного анализа при помощи функции lm() 244
Порядок перечисления предикторов в формуле модели 246
Многофакторный дисперсионный анализ 248
6.7. Контрасты в линейных моделях, содержащих категориальные предикторы 249
Основные понятия 250
Контрасты комбинаций условий (treatment contrasts) 252
Контрасты сумм (sum contrasts) 254
Контрасты Хелмерта 255
Контрасты, задаваемые пользователем 257
6.8. Проблема множественных проверок статистических гипотез 258
Поправка Бонферрони 261
Метод Холма 262
Метод Беньямини-Хохберга 263
Метод Беньямини-Йекутили 266
6.9. Апостериорные сравнения групповых средних 267
Критерий Тьюки 268
Методы множественных проверок гипотез, реализованные в пакете multcomp 271

Глава 7. Регрессионные модели зависимостей между количественными переменными 279
7.1. О понятии «статистическая модель» 279
Пример простейшей статистической модели 279
Исследование свойств статистических моделей имитационными методами 282
Пример модели с одним количественным предиктором 287
Назначение регрессионных моделей 289
7.2. Простая линейная регрессия: каков возраст Вселенной? 290
Модель для оценки постоянной Хаббла 291
Доверительные интервалы 293
Оценка неопределенности в отношении параметров линейной регрессии 295
Оценка «качества» регрессионной модели 301
7.3. Стандартные методы диагностики линейных моделей 304
Проверка допущений в отношении остатков модели 304
Проверка адекватности структуры систематической части модели 308
Встроенные диагностические графики 313
Выявление необычных и влиятельных наблюдений 314
7.4. Модели регрессии при разных видах функции потерь 325
Два типа регрессионных моделей 325
Робастные процедуры 329
7.5. Критерии выбора моделей оптимальной сложности 331
7.6. Полиномиальные и нелинейные модели регрессии 335
Полиномиальная регрессия 335
Нелинейная регрессия 338
7.7. Модель множественной регрессии и выбор ее спецификации 344
Полная модель и обоснование необходимости ее оптимизации 345
Пошаговые алгоритмы селекции переменных 347
Построение «всех возможных моделей» 348
Пошаговогое включение предикторов в сочетании с перекрестной проверкой 350
7.8. Диагностика моделей множественной регрессии 353
Сравнение нескольких альтернативных моделей 353
Диагностика допущений в отношении остатков модели 354
Учет нелинейного характера влияния предикторов на отклик 359
7.9. Регуляризация множественной регрессии 361
Гребневая регрессия 362
Лассо-регрессия Тибширани 364
7.10. Регрессия на главные компоненты 366
7.11. Сравнение эффективности различных моделей при прогнозировании 372
Формирование исходных данных для построения моделей 372
Общая линейная модель и ее тестирование на проверочной выборке 374
Выбор информативного комплекса предикторов 375
Модели с использованием регуляризации 377
Регрессия на главные компоненты 380
Результаты и некоторые выводы 382

Глава 8. Обобщенные, структурные и иные модели регрессии 384
8.1. Модели сглаживания 384
Ядерная модель сглаживания 389
Сплайны 393
8.2. Обобщенные модели регрессии 395
8.3. Модели пробит- и логит-регрессии 399
Пробит-регрессия для моделирования зависимости «доза–эффект» 400
Логистическая регрессия 407
8.4. Пример использования обобщенных моделей для оценки
экологической толерантности 411
Модели с нормально распределенным откликом 412
Модели с бинарным откликом 416
8.5. Ковариационный анализ 419
8.6. Модели со смешанными эффектами для иерархически организованных данных 424
Основные идеи 424
Пример с морскими животными: несколько частных моделей 426
8.7. Индуктивные модели (метод группового учета аргументов) 433
8.8. Моделирование структурными уравнениями 440

Глава 9. Пространственный анализ и создание картограмм 451
9.1. Простая карта: использование растрового рисунка и расчет расстояний 451
Использование географических расстояний в статистическом анализе 452
Расчет расстояния между объектами по их географическим координатам 457
9.2. Анализ пространственного размещения точек 460
9.3. Использование сервисов картографической системы Google Maps 466
9.4. Создание картограмм при помощи R 469
Шейп-файлы 470
Функция spplot()из пакета sp 474
Создание картограмм при помощи пакета ggplot2 478
Библиография и интернет-ресурсы 484
Основные литературные ссылки по тексту книги 484
Литература по R 484
Общеметодическая литература по статистическому анализу 485
Библиографический указатель литературы по R 485
Рекомендуемые интернет-ресурсы 494
Русскоязычные ресурсы 494
Англоязычные ресурсы

СкачатьPDF СкачатьDJVU

Статистический анализ и визуализация данных с помощью Rhttps://www.htbook.ru/wp-content/uploads/2018/10/statisticheskij-analiz-i-vizualizaciya-dannyh-s-pomoschyu-r.jpghttps://www.htbook.ru/wp-content/uploads/2018/10/statisticheskij-analiz-i-vizualizaciya-dannyh-s-pomoschyu-r.jpgПрограммирование и БДR,ПрограммированиеПрактическое руководство. Мастицкий С.Э., Шитиков В.К. 'Статистический анализ и визуализация данных с помощью R' ДМК Пресс, 2015 год, 496 стр., ISBN: 978-5-97060-301-7; (30.5 мб. pdf, 10.1 мб. djvu) Язык программирования R является безусловным лидером среди свободно распространяемых систем статистического анализа. Ведущие университеты мира, аналитики крупнейших компаний и исследовательских центров регулярно используют...Библиотека технической тематики. Техническая литература

Поделиться