内容紹介
計算機を利用した統計的処理をRで解説!!
本書は、ブートストラップ、ジャックナイフでのモンテカルロ法、パーミューテーションテスト(並べ替え検定)、マルコフ連鎖モンテカルロ(MCMC)法などの高度な統計手法を用いた解析についてきちんと解説し、その使用法を示したもの。解析についてはR により、統計学的コンピューティングの事例によるアプローチで計算統計の古典的な主要問題を解説した。全事例にR のコードを付け、R 言語のプログラミングの概念の説明を補足するようにした。
Maria L. Rizzo “Statistical Computing with R”(Taylor&Francis Group,LLC,2007)を翻訳発行するもの。
このような方におすすめ
計算機を利用した統計的処理に関心のある人
実務で統計分析をする人
統計の基礎は理解していてさらに高度な分析を求めている人
目次
主要目次
序 文
訳者前書き
第1章 R 環境と計算機統計学
第2章 確率と統計学の概説
第3章 確率変数の発生方法
第4章 多変量データの視覚化
第5章 モンテカルロ積分と分散減少法
第6章 推論におけるモンテカルロ法
第7章 ブートストラップ法とジャックナイフ法
第8章 並べ替え検定
第9章 マルコフ連鎖モンテカルロ法
第10章 確率密度推定
第11章 R の数値解析
付録A 表記法
付録B データフレームと配列を用いた操作
参考文献
索 引
詳細目次
序 文
訳者前書き
第1章 R 環境と計算機統計学
1.1 計算機統計学と統計コンピューティング
1.2 R 環境
1.3 R を始めるには
1.4 R のオンラインヘルプシステムの利用
1.5 関数
1.6 配列、データフレーム、リスト
1.7 R のワークスペースとファイル
1.8 スクリプトの利用
1.9 パッケージの利用
1.10 グラフィックス
第2章 確率と統計学の概説
2.1 確率変数と確率
2.2 離散型確率分布の例
2.3 連続型確率分布の例
2.4 多変量正規分布
2.5 極限定理
2.6 統計
2.7 ベイズ理論とベイズ統計
2.8 マルコフ連鎖
第3章 確率変数の発生方法
3.1 はじめに
3.2 逆変換法
3.3 採択- 棄却法
3.4 変換法
3.5 総和と混合
3.6 多変量分布
3.7 確率過程論
練習問題
第4章 多変量データの視覚化
4.1 はじめに
4.2 パネルディスプレイ
4.3 面プロットと三次元散布図
4.4 等高線図
4.5 その他の二次元データの表示方法
4.6 データ視覚化のその他の手法
練習問題
第5章 モンテカルロ積分と分散減少法
5.1 はじめに
5.2 モンテカルロ積分
5.3 分散減少法
5.4 対称変量法
5.5 制御変量法
5.6 重点抽出法
5.7 層別抽出法
5.8 層化重点抽出法
練習問題
R コード
第6章 推論におけるモンテカルロ法
6.1 はじめに
6.2 推定のためのモンテカルロ法
6.3 仮説検定のためのモンテカルロ法
6.4 応用例:等分散に対する「カウントファイブ」検定
練習問題
研究課題
第7章 ブートストラップ法とジャックナイフ法
7.1 ブートストラップ法
7.2 ジャックナイフ法
7.3 ブートストラップ後ジャックナイフ法
7.4 ブートストラップ信頼区間
7.5 ベターなブートストラップ信頼区間
7.6 応用例:交差確認法
練習問題
研究課題
第8章 並べ替え検定
8.1 はじめに
8.2 等分布の検定
8.3 等分布についての多変量検定
8.4 応用例:距離相関
練習問題
研究課題
第9章 マルコフ連鎖モンテカルロ法
9.1 はじめに
9.2 メトロポリス- ヘイスティングスアルゴリズム
9.3 ギブスサンプラー
9.4 収束のモニタリング
9.5 応用例:変化点分析
練習問題
R コード
第10章 確率密度推定
10.1 単変量密度推定
10.2 カーネル密度推定
10.3 二変量および多変量密度推定
10.4 その他の密度推定法
練習問題
第11章 R の数値解析
11.1 はじめに
11.2 一次元の求根法
11.3 数値積分法
11.4 最尤推定の問題
11.5 一次元最適化
11.6 二次元最適化
11.7 EM アルゴリズム
11.8 線形計画法:シンプレックス法
11.9 応用例:ゲーム理論
練習問題
付録A 表記法
A.1 記号の説明
A.2 略語
付録B データフレームと配列を用いた操作
B.1 リサンプリングとデータ分割
B.2 データの部分集合作成と再形成
B.3 データエントリとデータ解析
参考文献
索 引
続きを見る