資料分析的統計學基礎：使用 R語言

本書特色
　　本書從 R 語言的介紹開始, 最後以貝氏統計推論作為結束, 本書不討論迴歸分析。理由在於, 迴歸分析在經濟商管領域已經被進一步延伸為計量經濟學, 與其在本書中略述皮毛, 不如另起爐灶, 期待在下一本著作中再深入討論。

1. 除了告訴讀者統計學是什麼以及有何應用, 本書也注重讓讀者認知到, 為什麼要學這些統計理論的理由與動機。
2. 對於統計理論的介紹, 講求其背後直覺以及應用。
3. 每一章節都專注在回答一個問題, 讓讀者能夠迅速掌握學習重點。
4. 著重模擬與數值計算, 減少繁雜的理論證明細節。對於證明的細節, 有興趣學習更多的讀者可進一步參考《機率與統計推論: R 語言的應用》 (第 2 版, 2023)。
5. 每一章均有 R 程式習題, 或是理論與程式的混合題, 讓讀者從 R 程式的撰寫中, 驗證相關理論, 俾使更為深入了解機率與統計學。
6.  對於 bootstrap 樣本重抽法與貝氏統計推論提供更加細膩的討論。

目　錄
1 資料分析與 R 語言
2 機率理論與應用
3 隨機變數與離散隨機變數
5 分配函數與分量
6 隨機變數的函數
7 期望值與變異數
8 動差與動差生成函數
9 常態分配及其相關分配
10 多變量隨機變數
11 條件機率分配
12 獨立隨機變數與轉換
13 隨機樣本與抽樣分配
14 漸近理論與漸近分配
15 點估計
16 區間估計
17 假設檢定
18 Gamma 分配
19 The Bootstrap
20 貝氏統計推論

A 機率分配與統計相關的 R 函數
A.1 有哪些與機率相關的 R 函數
A.2 有哪些統計相關的 R 函數
B 機率分配表
索引與英漢名詞對照
參考文獻