S-PLUS实用统计分析

目录
第1章 S-PLUS简介及其基本操作
1．1 S-PLUS简介
1．2 S-PLUS图形界面
1．2．1 S-PLUS菜单栏和工具栏及其基本操作
1．2．2 S-PLUS主要窗口
1．2．3 打印一个脚本或者报告
1．2．4 S-PLUS画图功能
1．3 S语言基础
1．3．1 S语言简介
1．3．2 数据对象
1．3．3 函数
1．3．4 S-PLUS作图函数
1．3．5 S-PLUS程序控制结构
1．3．6 定义函数
1．3．7 程序和函数的调试
1．4 数据整理和数据接口
1．4．1 Data窗口界面
1．4．2 输入、编辑和保存数据
1．4．3 浏览和格式化数据
1．4．4 操纵数据
1．4．5 导入、导出数据
习题
第2章 探索性数据分析
2．1 一维数据的描述性分析
2．1．1 一维数据的图形描述
2．1．2 一维数据的统计量描述
2．2 多维数据的描述性分析
2．2．1 二维数据的图形描述
2．2．2 二维数据的定量描述
2．3 多维数据图
2．3．1 散点图和散点图阵
2．3．2 Trellis作图
2．3．3 三维图
2．4 样本检验
2．4．1 一个样本检验(One-Sample Tests)
2．4．2 两个样本检验(Two-Sample Tests)
习题
第3章 回归分析
3．1 线性回归
3．1．1 拟合线性回归模型
3．1．2 线性回归模型的诊断图
3．2 鲁棒MM回归
3．2．1 鲁棒MM回归的执行
3．2．2 鲁棒MM回归模型的诊断图
3．3 鲁棒LTS回归
3．4 逐步线性回归
3．5 广义可加模型
3．6 局部(Loess)回归
3．7 非线性回归
3．8 广义线性模型
3．9 对数线性(Poisson)回归
3．10 Logistic回归
3．11 概率单位回归
习题(数据说明见附录，数据从网站下载)
第4章 树型回归和分类模型
4．1 树型模型(TreeModels)
4．2 使用树型模型
4．3 树型模型工具(Tree Tools)
4．4 使用树型模型工具
习题
第5章 聚类分析
5．1 聚类分析概述
5．1．1 聚类所基于的数据类型
5．1．2 分割的方法
5．1．3 划分的方法
5．1．4 层次聚类
5．1．5 基于密度的方法
5．1．6 基于网格的方法
5．1．7 基于模型的聚类方法
5．1．8 孤立点分析
5．2 计算相异度(Compute Dissimilarities)
5．3 K-平均算法(K-Means Clustering)
5．4 PAM算法(Partitioning Around Medoids)
5．5 模糊聚类(Fuzzy Clustering)
5．6 合并层次聚类(Agglomerative Hierachical Clustering)
5．7 分裂层次聚类(Divisive Hierachical Clustering)
5．8 单一聚类 (Monothetic Clustering)
习题
第6章 实验设计与方差分析技术
6．1 实验设计
6．1．1 因子设计(Factorial)
6．1．2 正交表(Orthogonal Array)
6．1．3 设计图形(Desipn Plot)
6．1．4 因子图形(Factor Plot)
6．1．5 交互图(Interaction Plot)
6．2 方差分析技术简介
6．2．1 简介
6．2．2 示例
习题
第7章 时间序列分析
7．1 简介
7．2 (偏)自相关函数
7．3 ARIMA模型
7．4 滞后图
7．5 频谱图(Spectum Plot)
习题
附录 支持习题所需的数据说明