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.

Autorentext
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".

Inhalt

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