r语言参考书
⑴ 学完《R语言实战》这门课的收获。
当然是先看比较入门的书，对R语言有个大概的了解，并且稍微操作一下。
再看r语言实战，内容比较全面，包括很多例子，不懂再参考一下并实际操作。看完这本书你就学得差不多了。
最后看r语言编程艺术，内容比较深入，涉及一些底层的东西和一些初学者不太用的东西。比如怎么用代码进行调试等。
⑵ 求助R语言的科学编程与仿真电子书
编程语言都是相通的。如果有C语言的基础的话，掌握R语言并不难。 入门的话，专可以参考： R语言经典实例属 (美) Paul Teetor著，这本书从数据结构讲起，细节较多，有助于全方面增进对R语言的认识。 实例的话，可以学习： 王斌会的数据统计分析及R语言编程，这本书有对应的电子课程，访问作者的主页应该可以找到。
首先R是一种专业性很强的统计语言，如果想学得快一些的话，基本的统计学知识要懂，不然很多东西会掌握的比较慢。 掌握基本语法和操作，推荐国内的已经翻译的比如《R语言实战》《R语言编程艺术》，这个过程中最好结合一些小例子来做一些分析的东...
⑶ 多元统计分析及R语言建模的图书目录
1.1 多元统计分析的历史
1.2 多元统计分析的用途
1.3 多元统计分析的内容
1.4 软件及其在统计分析中的应用
1.4.1 强大的统计分析软件
1.4.2 完整的数值计算软件
1.4.3 免费的数据分析软件
思考练习题 2.1 如何收集和整理多元分析资料
2.2 数据的数学表达
2.3 数据矩阵及R语言表示
2.4 数据的R语言表示——数据框
2.5 多元数据的R语言调用
2.6 多元数据的简单R语言分析
思考练习题 3.1 简述
3.2 均值条图及R使用
3.3 箱尾图及R使用
3.4 星相图及R使用
3.5 脸谱图及R使用
3.6 调和曲线图及R使用
3.7 其他多元分析图
思考练习题 4.1 变量间的关系分析
4.1.1 简单相关分析的R计算
4.1.2 一元线性回归分析的R计算
4.2 多元线性回归分析
4.2.1 多元线性回归模型的建立
4.2.2 多元线性回归模型的检验
4.3 多元线性相关分析
4.3.1 矩阵相关分析
4.3.2 复相关分析
4.4 回归变量的选择方法
4.4.1 变量选择准则
4.4.2 逐步回归分析
思考练习题 5.1 数据的分类与模型选择
5.1.1 变量的取值类型
5.1.2 模型选择方式
5.2 广义线性模型
5.2.1 广义线性模型概述
5.2.2 Logistic模型
5.2.3 对数线性模型
5.3 非线性回归模型
5.3.1 一元非线性回归模型及其应用
5.3.2 多元非线性回归模型概述
5.3.3 多元非线性回归模型的计算
思考练习题 6.1 判别分析的概念
6.2 线性判别分析
6.3 距离判别法
6.3.1 两总体距离判别
6.3.2 多总体距离判别
6.4 Bayes判别法
6.4.1 Bayes判别准则
6.4.2 正态总体的Bayes判别
思考练习题 7.1 聚类分析的概念和类型
7.2 聚类统计量
7.3 系统聚类法
7.3.1 系统聚类法的基本思想
7.3.2 系统聚类法的计算公式
7.3.3 系统聚类法的基本步骤
7.4 kmeans聚类法
7.4.1 kmeans聚类的概念
7.4.2 kmeans聚类的原理与计算
7.5 聚类分析的一些问题
思考练习题 8.1 主成分分析的直观解释
8.2 主成分分析的性质
8.3 主成分分析的步骤
8.4 应用主成分分析的注意事项
思考练习题 9.1 因子分析的思想
9.2 因子分析模型
9.3 因子载荷的估计及解释
9.3.1 主因子估计法
9.3.2 极大似然估计法
9.3.3 因子载荷的统计意义
9.4 因子旋转方法
9.5 因子得分计算
9.6 因子分析的步骤
9.7 实际中如何进行因子分析
思考练习题 10.1 对应分析的提出
10.2 对应分析的基本原理
10.3 对应分析的计算步骤
10.4 对应分析应注意的几个问题
思考练习题 11.1 引言
11.2 典型相关分析的基本架构
11.3 典型相关分析的基本原理
11.4 典型相关系数的显著性检验
11.5 典型相关系数及变量的计算
思考练习题 12.1 MDS的基本理论和方法
12.2 MDS的古典解
12.3 非度量方法
12.4 多维标度法的计算过程
思考练习题 13.1 综合评价的基本概念
13.2 综合评价中指标体系的构建
13.2.1 选择并构建综合评价指标体系
13.2.2 确定观测指标的量纲方法
13.2.3 综合评价指标的合成方法
13.2.4 确定评价指标的权数
13.3 综合评价方法及其应用
13.3.1 综合评分法
13.3.2 层次分析法
思考练习题 14.1 关于R语言
14.1.1 什么是R语言
14.1.2 为什么要用R语言
14.1.3 R语言进行统计分析的优势和缺点
14.2 关于Rstat软件
14.2.1 Rstat简介
14.2.2 Rstat使用简介 【案例1】基于R语言的统计计算框架
【案例2】多元数据的基本统计分析
【案例3】广东省各地区城市现代化水平的直观分析
【案例4】财政收入的多因素分析
案例分析题
【案例5】年龄和性别对服务产品观点的差异分析
案例分析题
【案例6】企业财务状况的判别分析
案例分析题
【案例7】我国区域经济的综合评价
案例分析题
【案例8】广东省各地区电信业发展情况综合分析
案例分析题
【案例9】因子分析在上市公司经营业绩评价中的应用
案例分析题
【案例10】对应分析在市场细分和产品定位中的应用
案例分析题
【案例11】农村居民收入和支出的典型相关分析
案例分析题
【案例12】国内各地区工资水平分析
案例分析题
附录A R使用界面和命令
附录B R语言包及其函数
附录C 自编R语言包及函数
参考文献
……
⑷ 用R语言，生成1000个 服从标准正态分布的随机数，画出散点图，频率直方图（附加密度曲线）及箱线图
作为一种语言进行统计分析，R有一个随机数生成各种统计分布功能的综合性图书馆。R语言可以针对不同的分布，生成该分布下的随机数。其中有许多常用的个分布可以直接调用。
在R中各种概率函数都有统一的形式，即一套统一的前缀+分布函数名：
d 表示密度函数（density）。
p 表示分布函数（生成相应分布的累积概率密度函数）。
q 表示分位数函数，能够返回特定分布的分位数（quantile）。
r 表示随机函数，生成特定分布的随机数（random）。
(4)r语言参考书扩展阅读：
注意事项：
1、使用了错误大小写：help()是正确的，其他都是错误的。
2、不要忘记使用必要的引号：install.packages(“gclus”)。
3、在函数调用时，不要忘记使用括号：help()。
4、在Windous上，路径名中使用的是。
5、R拥有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表。数据框是用来存储数据集的主要数据结构。
⑸ R语言实战的目录
第一部分入门第1章R语言介绍 1.1 为何要使用R？1.2 R的获取和安装1.3 R的使用1.3.1 新手上路1.3.2 获取帮助1.3.3 工作空间1.3.4 输入和输出1.4 包1.4.1 什么是包1.4.2 包的安装1.4.3 包的载入1.4.4 包的使用方法1.5 批处理1.6 将输出用为输入——结果的重用1.7 处理大数据集1.8 示例实践1.9 小结第2章创建数据集2.1 数据集的概念2.2 数据结构2.2.1 向量2.2.2 矩阵2.2.3 数组2.2.4 数据框2.2.5 因子2.2.6 列表2.3 数据的输入2.3.1 使用键盘输入数据2.3.2 从带分隔符的文本文件导入数据2.3.3 导入Excel数据2.3.4 导入XML数据2.3.5 从网页抓取数据2.3.6 导入SPSS数据2.3.7 导入SAS数据2.3.8 导入Stata数据2.3.9 导入netCDF数据2.3.10 导入HDF5数据2.3.11 访问数据库管理系统2.3.12 通过Stat/Transfer导入数据2.4 数据集的标注2.4.1 变量标签2.4.2 值标签2.5 处理数据对象的实用函数2.6 小结第3章图形初阶3.1 使用图形3.2 一个简单的例子3.3 图形参数3.3.1 符号和线条3.3.2 颜色3.3.3 文本属性3.3.4 图形尺寸与边界尺寸3.4 添加文本、自定义坐标轴和图例3.4.1 标题3.4.2 坐标轴3.4.3 参考线3.4.4 图例3.4.5 文本标注3.5 图形的组合3.6 小结第4章基本数据管理4.1 一个示例4.2 创建新变量4.3 变量的重编码4.4 变量的重命名4.5 缺失值4.5.1 重编码某些值为缺失值4.5.2 在分析中排除缺失值4.6 日期值4.6.1 将日期转换为字符型变量4.6.2 更进一步4.7 类型转换4.8 数据排序4.9 数据集的合并4.9.1 添加列4.9.2 添加行4.10 数据集取子集4.10.1 选入（保留）变量4.10.2 剔除（丢弃）变量4.10.3 选入观测4.10.4 subset()函数4.10.5 随机抽样4.11 使用SQL语句操作数据框4.12 小结第5章高级数据管理5.1 一个数据处理难题5.2 数值和字符处理函数5.2.1 数学函数5.2.2 统计函数5.2.3 概率函数5.2.4 字符处理函数5.2.5 其他实用函数5.2.6 将函数应用于矩阵和数据框5.3 数据处理难题的一套解决方案5.4 控制流5.4.1 重复和循环5.4.2 条件执行5.5 用户自编函数5.6 整合与重构5.6.1 转置5.6.2 整合数据5.6.3 reshape包5.7 小结第二部分基本方法第6章基本图形6.1 条形图6.1.1 简单的条形图6.1.2 堆砌条形图和分组条形图6.1.3 均值条形图6.1.4 条形图的微调6.1.5 棘状图6.2 饼图6.3 直方图6.4 核密度图6.5 箱线图6.5.1 使用并列箱线图进行跨组比较6.5.2 小提琴图6.6 点图6.7 小结第7章基本统计分析7.1 描述性统计分析7.1.1 方法云集7.1.2 分组计算描述性统计量7.1.3 结果的可视化7.2 频数表和列联表7.2.1 生成频数表7.2.2 独立性检验7.2.3 相关性的度量7.2.4 结果的可视化7.2.5 将表转换为扁平格式7.3 相关7.3.1 相关的类型7.3.2 相关性的显著性检验7.3.3 相关关系的可视化7.4 t检验7.4.1 独立样本的t检验7.4.2 非独立样本的t检验7.4.3 多于两组的情况7.5 组间差异的非参数检验7.5.1 两组的比较7.5.2 多于两组的比较7.6 组间差异的可视化7.7 小结第三部分中级方法第8章回归8.1 回归的多面性8.1.1 OLS回归的适用情境8.1.2 基础回顾8.2 OLS回归8.2.1 用lm()拟合回归模型8.2.2 简单线性回归8.2.3 多项式回归8.2.4 多元线性回归8.2.5 有交互项的多元线性回归8.3 回归诊断8.3.1 标准方法8.3.2 改进的方法8.3.3 线性模型假设的综合验证8.3.4 多重共线性8.4 异常观测值8.4.1 离群点8.4.2 高杠杆值点8.4.3 强影响点8.5 改进措施8.5.1 删除观测点8.5.2 变量变换8.5.3 增删变量8.5.4 尝试其他方法8.6 选择“最佳”的回归模型8.6.1 模型比较8.6.2 变量选择8.7 深层次分析8.7.1 交叉验证8.7.2 相对重要性8.8 小结第9章方差分析9.1 术语速成9.2 ANOVA模型拟合9.2.1 aov()函数9.2.2 表达式中各项的顺序9.3 单因素方差分析9.3.1 多重比较9.3.2 评估检验的假设条件9.4 单因素协方差分析9.4.1 评估检验的假设条件9.4.2 结果可视化9.5 双因素方差分析9.6 重复测量方差分析9.7 多元方差分析9.7.1 评估假设检验9.7.2 稳健多元方差分析9.8 用回归来做ANOVA9.9 小结第10章功效分析10.1 假设检验速览10.2 用pwr包做功效分析10.2.1 t检验10.2.2 方差分析10.2.3 相关性10.2.4 线性模型10.2.5 比例检验10.2.6 卡方检验10.2.7 在新情况中选择合适的效应值10.3 绘制功效分析图形10.4 其他软件包10.5 小结第11章中级绘图11.1 散点图11.1.1 散点图矩阵11.1.2 高密度散点图11.1.3 三维散点图11.1.4 气泡图11.2 折线图11.3 相关图11.4 马赛克图11.5 小结第12章重抽样与自助法12.1 置换检验12.2 用coin包做置换检验12.2.1 独立两样本和K样本检验12.2.2 列联表中的独立性12.2.3 数值变量间的独立性12.2.4 两样本和K样本相关性检验12.2.5 深入探究12.3 lmPerm包的置换检验12.3.1 简单回归和多项式回归12.3.2 多元回归12.3.3 单因素方差分析和协方差分析12.3.4 双因素方差分析12.4 置换检验点评12.5 自助法12.6 boot包中的自助法12.6.1 对单个统计量使用自助法12.6.2 多个统计量的自助法12.7 小结第四部分高级方法第13章广义线性模型13.1 广义线性模型和glm()函数13.1.1 glm()函数13.1.2 连用的函数13.1.3 模型拟合和回归诊断13.2 Logistic回归13.2.1 解释模型参数13.2.2 评价预测变量对结果概率的影响13.2.3 过度离势13.2.4 扩展13.3 泊松回归13.3.1 解释模型参数13.3.2 过度离势13.3.3 扩展13.4 小结第14章主成分和因子分析14.1 R中的主成分和因子分析14.2 主成分分析14.2.1 判断主成分的个数14.2.2 提取主成分14.2.3 主成分旋转14.2.4 获取主成分得分14.3 探索性因子分析14.3.1 判断需提取的公共因子数14.3.2 提取公共因子14.3.3 因子旋转14.3.4 因子得分14.3.5 其他与EFA相关的包14.4 其他潜变量模型14.5 小结第15章处理缺失数据的高级方法15.1 处理缺失值的步骤15.2 识别缺失值15.3 探索缺失值模式15.3.1 列表显示缺失值15.3.2 图形探究缺失数据15.3.3 用相关性探索缺失值15.4 理解缺失数据的来由和影响15.5 理性处理不完整数据15.6 完整实例分析（行删除）15.7 多重插补15.8 处理缺失值的其他方法15.8.1 成对删除15.8.2 简单（非随机）插补15.9 小结第16章高级图形进阶16.1 R中的四种图形系统16.2 lattice包16.2.1 条件变量16.2.2 面板函数16.2.3 分组变量16.2.4 图形参数16.2.5 页面摆放16.3 ggplot2包16.4 交互式图形16.4.1 与图形交互：鉴别点16.4.2 playwith16.4.3 latticist16.4.4 iplots包的交互图形16.4.5 rggobi16.5 小结后记：探索R的世界附录A 图形用户界面附录B 自定义启动环境附录C 从R中导出数据附录D 制作出版级品质的输出附录E R中的矩阵运算附录F 本书中用到的扩展包附录G 处理大数据附录H 更新R参考文献
⑹ 谁有时间序列分析及应用r语言 潘红宇等译 原书第二版 （中文版）参考答案
网上找了一下好像真的没有，爱莫能助~顺便问一下这本书怎么样？我也正在学R语言，刚刚看完R语言实战想看看其他的书
⑺ R语言编程的技巧太菜，想找些书学习，但不知哪些书或方法较好
先学谭浩强的《C语言程序设计》，这本书比较简单可以入个门随便考个全国二级不过要想学好C语言这样还远远不够，建议多学习，精通C语言。一下是我搜集的书！！比如《C语言之四书五经》中介绍的4本。（虽然这些书很多已经绝版了，但我相信电子版也是很有益处。况且，如果你真的想看，我相信你一定有法搞的到。）这些书你会在很短的时间内看完（比如一两个月），这取决于你的基础和悟性。之后要看那些书呢？我不妨再列几本。BjarneStroustrup的《C++程序设计语言》（TheC++ProgrammingLanguage）一定要看，这本书里面对于C的一些基础概念的定义，比我见过的其他任何C语言书都要全，都要仔细；BjarneStroustrup的《C++语言的设计与演化》（TheDesignandEvolutionofC++）和DavidR.Hanson的《C语言接口与实现创建可重用软件的技术》（）一定要看，这两本书讲述了如何用C来实现异常处理、实现类型的封装和扩展等一些大的项目中经常用到的高级技术。另外，即使是最经典最权威的书，也没有法面面俱到，所以手边常备一本《C语言参考手册》是十分必要的。《C语言参考手册》就是《CReferenceManual》，是C语言标准的详细描述，包括绝大多数C标准库函数的细节，算得上是最好的标准C语言的工具书。顺便提一句，最新的《C程序设计语言》是根据C89标准修订的，而《C语言参考手册》描述的是C99标准，二者可能会有些出入，建议按照C99标准学习。还有一本《C和指针》，写得也是相当地不错，英文名是《PointersonC》，特别地强调指针的重要性，
⑻ 求助，初学R语言遇到的问题，求助，TT
编程语言都是相通的。如果有C语言的基础的话，掌握R语言并不难。入门的话专，可以参考：R语言经典实例属(美)PaulTeetor著，这本书从数据结构讲起，细节较多，有助于全方面增进对R语言的认识。实例的话，可以学习：王斌会的数据统计分析及R语
⑼ 入门r语言，r语言编程艺术和r语言实战最好先看哪一本
当然是先看比较入门的书，对R语言有个大概的了解，并且稍微操作一下。
再看r语言实战，内容比较全面，包括很多例子，不懂再参考一下并实际操作。看完这本书你就学得差不多了。
最后看r语言编程艺术，内容比较深入，涉及一些底层的东西和一些初学者不太用的东西。比如怎么用代码进行调试等。