Rで学ぶ統計的データ解析

内容紹介
★まずは実行しよう。数理はそれからだ。★
初学者が無理なく読み進められるように、ていねいに解説した。まずは、Rでデータ解析を実践し、Rの操作を習熟したら、数理的側面を学ぶ構成。理解の定着に役立つ練習問題が充実! コードはWebで公開。
【サポートページ】
https://sites.google.com/view/ihsayah/sdar
【主な内容】
第1章 準備:Rの操作
第2章 データの可視化と要約
第3章 回帰分析(1):単回帰モデル・重回帰モデル
第4章 回帰分析(2):統計的推測・正則化法に基づく回帰分析
第5章 判別分析
第6章 ロジスティック回帰モデル
第7章 単純な規則に基づく判別モデル:決定木・インデックスモデル
第8章 主成分分析
第9章 クラスター分析
第10章 ブートストラップ法
第11章 Rを用いたシミュレーション:数理統計学を「実感」する
【「巻頭言」より抜粋】
文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。
本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。
データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。
――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授)
目次
第1章 準備:Rの操作
1.1 はじめに
1.2 Rの基本
1.3 オブジェクトの種類と操作・演算
1.4 真偽の判定(比較演算子・論理演算子)
1.5 データの読み込み
1.6 パッケージのインストール・読み込み
1.7 Rを使いこなすためのヒント
第2章 データの可視化と要約
2.1 変数の種類
2.2 1変数の可視化・要約
2.3 2変数の可視化・要約
2.4 補足
第3章 回帰分析(1)
3.1 単回帰モデル
3.2 重回帰モデル
3.3 補足
第4章 回帰分析(2)
4.1 回帰モデルの統計的推測
4.2 回帰分析の工夫
4.3 正則化法に基づく回帰分析
4.4 補足
第5章 判別分析
5.1 フィッシャーの線形判別分析:2群の場合
5.2 線形判別分析の実行
5.3 線形判別分析の結果を評価する
5.4 線形判別分析:数理編
5.5 フィッシャーの線形判別分析:3群以上の場合
5.6 線形判別分析(3群以上の場合):数理編
第6章 ロジスティック回帰モデル
6.1 ロジスティック回帰モデル
6.2 被説明変数が3群以上の場合
第7章 単純な規則に基づく判別モデル
7.1 決定木に基づくモデル
7.2 インデックスモデル
第8章 主成分分析
8.1 主成分分析の基本的な考え方
8.2 主成分分析の実行(1)
8.3 主成分分析の実行(2)
8.4 主成分分析:数理編
第9章 クラスター分析
9.1 クラスター分析とは
9.2 非階層的クラスター分析:k平均法
9.3 階層的クラスター分析
9.4 クラスターの数を決める方法
第10章 ブートストラップ法
10.1 ブートストラップ法の基本的な考え方
10.2 ブートストラップ法の実行:基本編
10.3 ブートストラップ法の実行:応用編
第11章 Rを用いたシミュレーション:数理統計学を「実感」する
11.1 シミュレーションとは
11.2 シミュレーションの例
関連シリーズ
-
ゼロから学ぶPythonプログラミング
-
入門者のPython
-
問題解決力を鍛える!アルゴリズムとデータ構造
-
データ分析のためのデータ可視化入門
-
GPUプログラミング入門 -CUDA5による実装
-
使える! MATLAB/Simulinkプログラミング
-
LabVIEW画像計測入門
-
ブロックチェーン・プログラミング
-
ゼロからつくるPython機械学習プログラミング入門
-
モンテカルロ統計計算
-
PythonではじめるKaggleスタートブック
-
スパース回帰分析とパターン認識
-
これからのロボットプログラミング入門
-
Pythonで学ぶアルゴリズムとデータ構造
-
Solidityプログラミング ブロックチェーン・スマートコントラクト開発入門
-
最適化手法入門
-
RとStanではじめる ベイズ統計モデリングによるデータ分析入門
-
Web学習アプリ対応 C言語入門
-
ProcessingによるCGとメディアアート
-
ホログラフィ入門
-
最新 使える!MATLAB
-
今日から使える! MATLAB 数値計算から古典制御まで
-
IDLプログラミング入門―基本概念から3次元グラフィックス
-
OpenCVによる画像処理入門
-
pixivエンジニアが教えるプログラミング入門
おすすめの本
-
電子あり
浜村渚の計算ノート 9さつめ 恋人たちの必勝法
-
電子あり
小学生のための正書法辞典
-
電子あり
単位が取れる線形代数ノート 改訂第2版
-
電子あり
数の世界 自然数から実数、複素数、そして四元数へ
-
電子あり
結果から原因を推理する 「超」入門 ベイズ統計
-
電子あり
線形性・固有値・テンソル <線形代数>応用への最短コース
-
電子あり
道具としての微分方程式 偏微分編 式をつくり、解いて、「使える」ようになる
-
電子あり
学問の発見 数学者が語る「考えること・学ぶこと」
-
電子あり
今日から使える微分方程式 普及版 例題で身につく理系の必須テクニック
-
電子あり
有限の中の無限 素数がつくる有限体のふしぎ
-
電子あり
高次元空間を見る方法 次元が増えるとどんな不思議が起こるのか
-
電子あり
新しい微積分<上>