第Ⅰ部分 基本概念
第1章 引言
1.1 归纳推理的工具
1.2 美国佛罗里达Everglades湿地案例
1.2.1 统计学问题
1.3 城市化对河流生态系统的影响
1.3.1 统计学问题
1.4 密歇根湖鱼体内的PCB
1.4.1 统计学问题
1.5 测定藻华毒素
1.6 参考文献说明
1.7 练习
第2章 R语言速成课
2.1 什么是R语言？
2.2 开始使用R语言
2.2.1 R命令和脚本
2.2.2 R软件包
2.2.3 R工作目录
2.2.4 数据类型
2.2.5 R的函数
2.3 将数据输入R
2.3.1 创建数据的函数
2.3.2 一项模拟实例
2.4 数据准备
2.4.1 数据清洗
2.4.2 构造子集与合并数据
2.4.3 数据转换
2.4.4 数据聚合与格式变换
2.4.5 日期
2.5 练习
第3章 统计假设
3.1 正态性假设
3.2 独立性假设
3.3 等方差假设
3.4 探索性数据分析
3.4.1 展示分布的图形
3.4.2 比较分布的图形
3.4.3 识别变量间依存关系的图形
3.5 从图形到统计思维
3.6 参考文献说明
3.7 练习
第4章 统计推断
4.1 概述
4.2 总体均值和置信区间的估计
4.2.1 估计标准误的自举法
4.3 假设检验
4.3.1 t检验
4.3.2 双侧备择
4.3.3 用置信区间进行假设检验
4.4 一般过程
4.5 假设检验的非参数方法
4.5.1 秩变换
4.5.2 Wilcoxon符号秩检验
4.5.3 Wilcoxon秩和检验
4.5.4 关于分布无关检验方法的讨论
4.6 显著性水平a、统计功效1-B和p值
4.6.1 示例：基于假设检验的模型评估
4.7 单因素方差分析
4.7.1 方差分析
4.7.2 统计推断
4.7.3 多重比较
4.8 案例
4.8.1 美国佛罗里达Everglades湿地案例
4.8.2 肯氏龟
4.8.3 水质达标评价
4.8.4 红树和海绵之间的相互作用
4.9 参考文献说明
4.10 练习
第Ⅱ部分 统计建模
第5章 线性模型
5.1 引言
5.2 从t检验到线性模型
5.3 简单和多元线性回归模型
5.3.1 最小二乘法
5.3.2 用一个预测变量来回归
5.3.3 多元回归
5.3.4 相互作用
5.3.5 残差和模型评估
5.3.6 类型预测变量
5.3.7 芬兰湖泊案例和共线性
5.4 构建预测性模型的一般考虑
5.5 模型预测的不确定性
5.5.1 案例：水质监测的不确定性
5.6 双因素ANOVA
5.6.1 作为线性模型的ANOVA
5.6.2 多个类型预测变量
5.6.3 相互作用
5.7 参考文献说明
5.8 练习
第6章 非线性模型
6.1 非线性回归
6.1.1 分段线性模型
6.1.2 案例：北美丁香花初次开花的日期
6.1.3 选择初始值
6.2 平滑
6.2.1 散点图平滑
6.2.2 拟合局部回归模型
6.3 平滑和加性模型
6.3.1 加性模型
6.3.2 加性模型的拟合
6.3.3 北美湿地数据库
6.3.4 讨论：科学中非参数回归模型的作用
6.3.5 时间序列的季节分解
6.4 参考文献说明
6.5 练习
第7章 分类和回归树
7.1 Willamette河案例
7.2 统计学方法
7.2.1 种植和修剪一棵回归树
7.2.2 种植和修剪一棵分类树
7.2.3 绘图选项
7.3 讨论
7.3.1 将CART用作建模工具
7.3.2 离差平方和与概率假设
7.3.3 CART和生态阈值
7.4 参考文献说明
7.5 练习
第8章 广义线性模型
8.1 逻辑斯蒂回归
8.1.1 案例：评估将紫外线作为饮用水消毒剂的有效性
8.1.2 统计学问题
8.1.3 在R中拟合模型
8.2 模型解释
8.2.1 Logit变换
8.2.2 截距
8.2.3 斜率
8.2.4 其他的预测变量
8.2.5 相互作用
8.2.6 对隐孢子虫案例的讨论
8.3 诊断学
8.3.1 箱式残差图
8.3.2 偏大离差
8.3.3 啮齿动物食用种子：逻辑斯蒂回归的第二个案例
8.4 泊松回归模型
8.4.1 中国台湾西南部的砷数据
8.4.2 泊松回归
8.4.3 暴露和偏移
8.4.4 偏大离差
8.4.5 相互作用
8.4.6 负二项分布
8.5 多项式回归
8.5.1 在R中拟合多项式回归模型
8.5.2 模型评估
8.6 泊松-多项式连接
8.7 广义加性模型
8.7.1 案例：南极半岛西部的鲸
8.8 参考文献说明
8.9 练习
第Ⅲ部分 高级统计建模
第9章 用于模型检验和统计推断的模拟
9.1 模拟
9.2 用模拟来概括回归模型
展开
