Ｒで学ぶ統計的データ解析

アールデマナブトウケイテキデータカイセキ

著：林　賢一，
編：下平　英寿

★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)

Ⓒ林　賢一・下平英寿

前巻
次巻

書誌情報

著者紹介

オンライン書店一覧

関連シリーズ

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