Wenn Sie R von Grund auf kennenlernen und auch die fortgeschrittenen Techniken zur Lösung gängiger Aufgaben bei der Datenanalyse mit R beherrschen möchten, dann liegen Sie mit diesem Buch goldrichtig. Es bietet Ihnen nicht nur einen Überblick über die Programmierung in R und die Arbeit mit der Sprache, sondern geht auch auf die Arten von Projekten und Anwendungen ein, die R-Entwicklerinnen und -Entwickler häufig in Angriff nehmen müssen. Statistische Analysen, Datenvisualisierungen, maschinelles Lernen und Datenmanagement mit R: All das lernen Sie mit diesem Buch intensiv kennen.
Joseph Schmuller forscht an der Universität North Florida und hat Statistik auf ganz verschiedenen Niveaus unterrichtet. Er war Mitglied der American Statistical Association und hat mehr als 25 Jahre Erfahrung in der Informatik. Er ist Autor verschiedener erfolgreicher Computerbücher, unter anderem von "Statistik mit Excel für Dummies" und "Statistik mit R für Dummies".
Einführung 31
Teil I: Eine Einführung in R 35
Kapitel 1: R Was es macht und wie es dies macht 37
Kapitel 2: Mit Packages arbeiten, Importieren und Exportieren 65
Teil II: Daten beschreiben 79
Kapitel 3: Grafik 81
Kapitel 4: Finden Sie Ihre Mitte! 119
Kapitel 5: Weg vom Durchschnitt 129
Kapitel 6: Standards und Ränge 137
Kapitel 7: Eine Zusammenfassung des Ganzen 147
Kapitel 8: Was ist normal? 165
Teil III: Daten analysieren 183
Kapitel 9: Ein Spiel mit dem Vertrauen: Schätzung 185
Kapitel 10: Hypothesentests mit einer Stichprobe 201
Kapitel 11: Hypothesentests mit zwei Stichproben 227
Kapitel 12: Tests von mehr als zwei Stichproben 253
Kapitel 13: Kompliziertere Tests 277
Kapitel 14: Regression: Lineare und multiple und das allgemeine lineare Modell 297
Kapitel 15: Korrelation: Aufstieg und Fall von Beziehungen 331
Kapitel 16: Kurvilineare Regression: Wenn Beziehungen kompliziert werden 351
Kapitel 17: Zu gegebener Zeit 375
Kapitel 18: Nichtparametrische Statistik 387
Kapitel 19: Einführung in die Wahrscheinlichkeitsrechnung 407
Kapitel 20: Wahrscheinlichkeit trifft auf Regression: Logistische Regression 427
Teil IV: Aus Daten lernen 435
Kapitel 21: Tools und Daten für Projekte zum maschinellen Lernen 437
Kapitel 22: Entscheidungen, Entscheidungen! 463
Kapitel 23: In den Wald per Zufall 481
Kapitel 24: Unterstützen Sie Ihren lokalen Vektor 497
Kapitel 25: k-Means-Clustering 517
Kapitel 26: Neuronale Netze 533
Kapitel 27: Datenerforschung im Marketing 549
Kapitel 28: Aus der Stadt, die niemals schläft 567
Teil V: R in der Praxis: Einige Projekte, die Sie auf Trab halten 583
Kapitel 29: Mit einem Browser arbeiten 585
Kapitel 30: Dashboards verwenden 613
Abbildungsverzeichnis 647
Stichwortverzeichnis 657
