《统计建模与R软件》课后习题答案

本书以统计理论为基础，按照数理统计教材的章节顺序，在讲明统计的基本概念的同时，以R软件为辅助计算手段，介绍统计计算的方法，从而有效地解决统计中的计算问题．

书中结合数理统计问题对R软件进行科学、准确和全面的介绍，以便使读者能深刻理解该软件的精髓和灵活、高效的使用技巧．此外，还介绍了在工程技术、经济管理、社会生活等各方面的丰富的统计问题及其统计建模方法，通过该软件将所建模型进行求解，使读者获得从实际问题建模入手，到利用软件进行求解，以及对计算结果进行分析的全面训练．

本书可作为理工、经济、管理、生物等专业学生数理统计课程的辅导教材或教学参考书，也可作为统计计算课程的教材和数学建模竞赛的辅导教材。

目录

•  
• 第1章概率统计的基本知识.
• 1.1随机事件与概率
• 1.1.1随机事件
• 1.1.2概率
• 1.1.3古典概型
• 1.1.4几何概型
• 1.1.5条件概率
• 1.1.6概率的乘法公式.全概率公式.Bayes公式
• 1.1.7独立事件
• 1.1.8n重Bemoulli试验及其概率计算
• 1.2随机变量及其分布
• 1.2.1随机变量的定义
• 1.2.2随机变量的分布函数
• 1.2.3离散型随机变量
• 1.2.4连续型随机变量
• 1.2.5随机向量
• 1.3随机变量的数字特征
• 1.3.1数学期望
• 1.3.2方差
• 1.3.3几种常用随机变量分布的期望与方差
• 1.3.4协方差与相关系数
• 1.3.5矩与协方差矩阵
• 1.4极限定理
• 1.4.1大数定律
• 1.4.2中心极限定理
• 1.5数理统计的基本概念
• 1.5.1总体.个体.简单随机样本
• 1.5.2参数空间与分布族
• 1.5.3统计量和抽样分布
• 1.5.4正态总体样本均值与样本方差的分布
• 习题
• 第2章R软件的使用
• 2.1R软件简介
• 2.1.1R软件的下载与安装
• 2.1.2初识R软件
• 2.1.3R软件主窗口命令与快捷方式
• 2.2数字.字符与向量
• 2.2.1向量
• 2.2.2产生有规律的序列
• 2.2.3逻辑向量
• 2.2.4缺失数据
• 2.2.5字符型向量
• 2.2.6复数向量
• 2.2.7向量下标运算
• 2.3对象和它的模式与属性
• 2.3.1固有属性：mode和length
• 2.3.2修改对象的长度
• 2.3.3attributes()和attr()函数
• 2.3.4对象的class属性
• 2.4因子
• 2.4.1factor()函数
• 2.4.2tapply()数
• 2.4.3gl()函数
• 2.5多维数组和矩阵
• 2.5.1生成数组或矩阵
• 2.5.2数组下标
• 2.5.3数组的四则运算
• 2.5.4矩阵的运算
• 2.5.5与矩阵(数组)运算有关的函数
• 2.6列表与数据框
• 2.6.1列表
• 2.6.2数据框
• 2.6.3列表与数据框的编辑
• 2.7读.写数据文件
• 2.7.1读纯文本文件
• 2.7.2读其他格式的数据文件
• 2.7.3链接嵌入的数据库
• 2.7.4写数据文件
• 2.8控制流
• 2.8.1分支语句
• 2.8.2中止语句与空语句
• 2.8.3循环语句
• 2.9编写自己的函数
• 2.9.1简单的例子
• 2.9.2定义新的二元运算
• 2.9.3有名参数与默认参数
• 2.9.4递归函数
• 习题
• 第3章数据描述性分析
• 3.1描述统计量
• 3.1.1位置的度量
• 3.1.2分散程度的度量
• 3.1.3分布形状的度量
• 3.2数据的分布
• 3.2.1分布函数
• 3.2.2直方图.经验分布图与QQ图
• 3.2.3茎叶图.箱线图及五数总括
• 3.2.4iE态性检验与分布拟合检验
• 3.3R软件中的绘图命令
• 3.3.1高水平作图函数
• 3.3.2高水平绘图中的命令
• 3.3.3低水平作图函数
• 3.4多元数据的数据特征与相关分析
• 3.4.1--％元数据的数字特征及相关系数
• 3.4.2元数据的相关性检验
• 3.4.3多元数据的数字特征及相关矩阵
• 3.4.4基于相关系数的变量分类
• 3.5多元数据的图形表示方法
• 3.5.1轮廓图
• 3.5.2星图
• 3.5.3调和曲线图
• 习题
• 第4章参数估计
• 4.1点估计
• 4.1.1矩法
• 4.1.2极大似然法
• 4.2估计量的优良性准则
• 4.2.1无偏估计
• 4.2.2有效性
• 4.2.3相合性(一致性)
• 4.3区间估计
• 4.3.1一个正态总体的情况
• 4.3.2两个正态总体的情况
• 4.3.3非正态总体的区间估计
• 4.3.4单侧置信区间估计
• 习题
• 第5章假设检验
• 5.1假设检验的基本概念
• 5.1.1基本概念
• 5.1.2假设检验的基本思想与步骤
• 5.1.3假设检验的两类错误..
• 5.2重要的参数检验
• 5.2.1态总体均值的假设检验
• 5.2.2正态总体方差的假设检验
• 5.2.3二项分布总体的假设检验
• 5.3若干重要的非参数检验
• 5.3.1Pearson拟合优度x2检验
• 5.3.2Kolmogorov-Smimov检验
• 5.3.3列联表数据的独立性检验
• 5.3.4符号检验
• 5.3.5秩统计量
• 5.3.6秩相关检验
• 5.3.7Wilcoxon秩检验
• 习题
• 第6章回归分析
• 6.1一元线性回归
• 6.1.1数学模型
• 6.1.2回归参数的估计
• 6.1.3回归方程的显著性检验
• 6.1.4参数β0.与β1的区间估计
• 6.1.5预测
• 6.1.6控制
• 6.1.7计算实例
• 6.2R软件中与线性模型有关的函数
• 6.2.1基本函数
• 6.2.2提取模型信息的通用函数
• 6.3多元线性回归分析
• 6.3.1数学模型
• 6.3.2回归系数的估计
• 6.3.3显著性检验
• 6.3.4参数β的区间估计
• 6.3.5预测
• 6.3.6修正拟合模型
• 6.3.7计算实例
• 6.4逐步回归
• 6.4.1“*优”回归方程的选择
• 6.4.2逐步回归的计算
• 6.5回归诊断
• 6.5.1什么是回归诊断
• 6.5.2残差
• 6.5.3残差图
• 6.5.4影响分析
• 6.5.5多重共线性
• 6.6广义线性回归模型
• 6.6.1与广义线性模型有关的R函数
• 6.6.2态分布族
• 6.6.3二项分布族
• 6.6.4其他分布族
• 6.7非线性回归模型
• 6.7.1多项式回归模型
• 6.7.2(内在)非线性回归模型
• 习题
• 第7章方差分析
• 7.1单因素方差分析
• 7.1.1数学模型
• 7.1.2方差分析
• 7.1.3方差分析表的计算
• 7.1.4均值的多重比较
• 7.1.5方差的齐次性检验
• 7.1.6Kruskal-Wallis秩和检验
• 7.1.7Friedman秩和检验
• 7.2因素方差分析
• 7.2.1不考虑交互作用
• 7.2.2考虑交互作用
• 7.2.3方差齐性检验
• 7.3正交试验设计与方差分析
• 7.3.1用正交表安排试验
• 7.3.2交试验的方差分析
• 7.3.3有交互作用的试验
• 7.3.4有重复试验的方差分析
• 习题
• 第8章应用多元分析(1)
• 8.1判别分析
• 8.1.1距离判别
• 8.1.2Bayes判别
• 8.1.3Fisher判别
• 8.2聚类分析
• 8.2.11~巨离和相似系数
• 8.2.2系统聚类法
• 8.2.3动态聚类法
• 习题
• 第9章应用多元分析(11)
• 9.1主成分分析
• 9.1.1总体主成分
• 9.1.2样本主成分
• 9.1.3相关的R函数以及实例
• 9.1.4主成分分析的应用
• 9.2因子分析
• 9.2.1引例
• 9.2.2因子模型
• 9.2.3参数估计
• 9.2.4方差*大的正交旋转
• 9.2.5因子分析的计算函数
• 9.2.6因子得分
• 9.3典型相关分析
• 9.3.1总体典型相关
• 9.3.2样本典型相关
• 9.3.3典型相关分析的计算
• 9.3.4典型相关系数的显著性检验
• 习题
• 第10章计算机模拟
• 10.1概率分析与MonteCarlo方法
• 10.1.1概率分析
• 10.1.2MonteCarlo方法
• 10.1.3MonteCarlo方法的精度分析
• 10.2随机数的产生
• 10.2.1均匀分布随机数的产生
• 10.2.2均匀随机数的检验
• 10.2.3任意分布随机数的产生
• 10.2.4态分布随机数的产生
• 10.2.5用R软件生成随机数
• 10.3系统模拟
• 10.3.1连续系统模拟
• 10.3.2离散系统模拟
• 10.4模拟方法在排队论中的应用
• 10.4.1排队服务系统的基本概念
• 10.4.2排队模型模拟的关键
• 10.4.3等待制排队模型的模拟
• 10.4.4损失制与混合制排队模型
• 习题
• 附录索引
• 附录A自编写的函数(程序)
• 附录BR软件中的函数(程序)
• 参考文献...