Podstawy statystyki z przykładami w R

Książka może spełniać rolę podręcznika do nauki statystyki dla uczniów szkół średnich, studentów oraz hobbystów pasjonujących się obliczeniami statystycznymi. Będzie przydatna także osobom zawodowo zajmującym się statystyką, którym autor ułatwia wykrywanie i unikanie typowych błędów obliczeniowych i interpretacyjnych.

Zawarte w książce przykłady obliczeniowe zostały opracowane za pomocą pakietu obliczeniowego o nazwie R, dostępnego w Internecie bezpłatnie, dzięki czemu Czytelnicy książki nie muszą wykonywać samodzielnie żmudnych obliczeń.

Omawiane w książce techniki są bogato ilustrowane przejrzyście opisanymi przykładami, na końcu każdego rozdziału umieszczono zadania.

Pakiet obliczeniowy R jest dostępny bezpłatnie na stronie ww.r-project.org.

Rozdziały:

1.Wprowadzenie do R
1.1. Instalacja  
1.1.1. Instalacja oraz pierwsze uruchomienie
1.1.2. Instalacja oraz korzystanie z bibliotek
1.2. Podstawy obsługi R
1.2.1. Struktury danych
1.2.2. Grafika
1.2.3. Programowanie
1.2.4. Dopasowanie środowiska
1.3. Zadania

2. Co to jest statystyka i skąd się wzięła
2.1. Rys historyczny
2.2. Co to jest statystyka
2.3. Podstawowe pojęcia
2.4. Badania statystyczne oraz ich rodzaje
2.5. Zadania

3. Prezentacja danych statystycznych
3.1. Szereg statystyczny
3.2. Podstawowe formy prezentacji danych
3.3. Zadania

4. Analiza struktury
4.1. Wskaźniki położenia
4.1.1. Średnia arytmetyczna
4.1.2. Średnia harmoniczna
4.1.3. Średnia geometryczna
4.1.4. Dominanta
4.1.5. Mediana
4.2. Wskaźniki rozproszenia (zmienności)
4.2.1. Rozstęp
4.2.2. Wariancja
4.2.3. Odchylenie standardowe
4.2.4. Współczynnik zmienności
4.2.5. Ocena (nota, wynik) standardowa
4.2.6. Nierówność dyspersyjna
4.3. Miary asymetrii
4.4. Miary koncentracji
4.5. Zadania

5. Podstawy rachunku prawdopodobieństwa
5.1. Zdarzenia losowe i ich prawdopodobieństwo
5.2. Elementy kombinatoryki
5.3. Podstawowe metody rachunku prawdopodobieństwa
5.3.1. Prawdopodobieństwo warunkowe oraz niezależność zdarzeń
5.3.2. Prawdopodobieństwo całkowite oraz wzór Bayesa
5.4. Zmienne losowe oraz ich rozkłady prawdopodobieństwa
5.4.1. Dyskretne rozkłady prawdopodobieństwa
5.4.2. Ciągłe rozkłady prawdopodobieństwa
5.4.3. Rozkłady ucięte
5.5. Model 
5.6. Zadania

6. Podstawy statystyki matematycznej
6.1. Statystyczna próba losowa
6.2. Estymacja
6.2.1. (*) Estymacja punktowa
6.2.2. Przedział ufności dla wartości oczekiwanej rozkładu normalnego
6.2.3. Przedział ufności dla wariancji rozkładu normalnego
6.2.4. Przedział ufności dla wskaźnika struktury
6.2.5. Minimalna liczebność prób
6.3. Testowanie hipotez statystycznych
6.3.1. Test zgodności χ2 Pearsona
6.3.2. Test Kołmogorowa-Smirnowa
6.3.3. Testy normalności 
6.3.4. Testy zgodności dla dwóch populacji
6.3.5. Test istotności dla wartości oczekiwanej (średniej)
6.3.6. Test istotności dla wariancji
6.3.7. Test istotności dla dwóch wariancji 
6.3.8. Test istotności dla kilku wariancji   
6.3.9. Test istotności dla dwóch wartości oczekiwanych
6.3.10. Test znaków
6.3.11. Test kolejności par Wilcoxona (test znaków rangowanych Wilcoxona)
6.3.12. Analiza wariancji (ANOVA)
6.3.13. Test istotności dla wskaźnika struktury
6.3.14. Test istotności dla dwóch wskaźników struktury
6.3.15. Test serii   
6.3.16. Schemat wyboru procedury testowej
6.4. Zadania      

7. Podstawy rachunku błędów 
7.1. Błędy grube           
7.2. Błędy przypadkowe       
7.3. Zaokrąglanie pomiarów
7.4. Zadania           

8. Związki cech         
8.1. Zależność korelacyjna
8.1.1. Test niezależności χ2 Pearsona
8.2. Miary korelacji dwóch zmiennych 
8.2.1. Współczynnik korelacji liniowej Pearsona
8.2.2. Współczynnik korelacji rang Spearmana 
8.3. Związek cech niemierzalnych
8.3.1. Współczynnik ϕ Yule’a 
8.3.2. Współczynnik V Cram´era
8.3.3. Współczynnik kontyngencji C Pearsona
8.3.4. Współczynnik τ Goodmana i Kruskala
8.3.5. Współczynnik zgodności κ  
8.4. Zadania            

9. Regresja
9.1. Regresja liniowa
9.1.1. Przedział ufności dla parametrów regresji liniowej 
9.1.2. Test istotności dla współczynnika regresji   
9.2. Modelowanie statystyczne
9.3. Regresja wielokrotna
9.3.1. (*) Regresja a współliniowość zmiennych
9.4. Regresja nieliniowa
9.4.1. Regresja logistyczna
9.5. Analiza przeżycia
9.6. Zadania

10. Analiza dynamiki zjawisk masowych
10.1. Metody badania dynamiki szeregów czasowych
10.1.1. Metody podstawowe
10.1.2. Indeksy indywidualne i zespołowe
10.2. Model wahań w czasie
10.2.1. Trend
10.2.2. Sezonowość
10.3. Zadania

11. Metody wizualizacji oraz analizy danych wielowymiarowych 
11.1. Walidacja modeli
11.2. Wstępne przetwarzanie danych
11.2.1. Transformacje danych
11.2.2. Uzupełnianie (imputacja) wartości brakujących
11.3. Redukcja wymiarowości oraz wizualizacja danych wielowymiarowych 
11.3.1. Analiza składowych głównych
11.3.2. Analiza czynnikowa
11.3.3. Skalowanie wielowymiarowe
11.3.4. Analiza korespondencji
11.3.5. Wykresy obrazkowe
11.4. Klasyfikacja
11.4.1. Analiza skupień
11.4.2. Analiza dyskryminacyjna   
11.5. Zadania

12. Użyteczne procedury w R
12.1. Zadania