Rで学ぶ統計的データ解析（講談社） [電子書籍]Ω

★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)目次第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