R과 통계분석 : TIDYVERSE 활용-제4판

'R은 통계분석과 그래프 작성 및 통계적 프로그래밍에 적합한 매우 효과적인 분석 도구입니다. R은 잠시도 정체되어 있지 않고 끊임없이 진화하고 있으며, 놀라운 발전 속도를 항상 보여주고 있는데, 특히 패키지 tidyverse의 출현은 매우 주목할 사항입니다. 그것은 R의 모습이 tidyverse 이전과 이후로 완전히 구분된다고 할 수 있기 때문입니다. 데이터 다루기와 그래프 성능이 비교할 수 없을 만큼 향상되었고, 복잡한 분석 과정이 대폭 단순화되어 매우 효율적인 분석이 가능해졌습니다. 이러한 발전으로 인하여 R은 이제 data science를 위한 최적의 프로그래밍 언어로 자리매김을 확고하게 했다고 할 수 있습니다.

[목 차]

1부 Tidyverse의 활용

1 R 시작하기

1.1 R의 소개

1.2 R의 설치

1.3 RStudio의 설치 및 R의 실행

1.4 예제 프로그램 실행

1.4.1 숫자형 벡터의 생성 및 연산

1.4.2 일정한 구조를 갖는 숫자형 벡터의 생성

1.4.3 문자형 벡터의 생성

1.5 작업공간

1.6 스크립트 파일의 활용

1.7 R의 확장: 패키지

1.7.1 패키지의 종류

1.7.2 패키지의 설치 및 사용

1.7.3 패키지 tidyverse의 소개

1.8 연습문제

2 데이터 프레임 다루기

2.1 데이터 프레임

2.1.1 전통적 데이터 프레임

2.1.2 티블

2.2 패키지 dplyr에 의한 데이터 프레임 다루기

2.2.1 조건에 의한 행 선택: filter()

2.2.2 위치에 의한 행 선택: slice() 및 그와 관련된 함수

2.2.3 행의 정렬: arrange()

2.2.4 중복된 행의 제거: distinct()

2.2.5 열의 선택: select()

2.2.6 열의 선택: pull()

2.2.7 열 이름 변경: rename()

2.2.8 열의 위치 변경: relocate()

2.2.9 새로운 열의 추가: mutate()

2.2.10 열들의 요약 통계량 계산: summarise()

2.2.11 그룹 데이터 프레임의 생성: group_by()

2.2.12 그룹 데이터 프레임에서 기본 dplyr 함수들의 작동 방식

2.2.13 행 단위 작업: rowwise()

2.3 연습문제

3 자료 시각화

3.1 ggplot2 시작하기

3.2 시각적 요소와 데이터의 연결: Mapping

3.3 그룹별 그래프 작성: Facet

3.4 기하 객체: Geometric object

3.5 통계적 변환: Statistical transformation

3.6 위치 조정: Position adjustment

3.7 좌표계: Coordinate system

3.8 연습문제

4 데이터 입력

4.1 텍스트 파일 불러오기: 패키지 readr 함수의 활용

4.1.1 함수 read_table()로 데이터 파일 불러오기

4.1.2 함수 read_csv()로 CSV 데이터 파일 불러오기

4.1.3 함수 read_fwf()로 고정 포맷 구조를 갖는 데이터 파일 불러오기

4.1.4 데이터 프레임을 외부 텍스트 파일로 저장하기

4.2 Excel 파일 불러오기

4.3 SAS 데이터 파일 불러오기

4.4 HTML 테이블 불러오기

4.5 연습문제

5 Tidy 데이터 만들기 및 데이터 통합

5.1 tidyr로 tidy 데이터 만들기

5.1.1 데이터 피벗

5.1.2 문자형 열의 결합과 분리

5.2 dplyr에 의한 데이터 통합

5.3 연습문제

2부 데이터 객체

6 벡터

6.1 벡터의 기본 특성

6.2 숫자형 벡터의 연산

6.3 논리형 벡터의 활용

6.3.1 숫자형 벡터의 비교

6.3.2 조건 연산: if_else()와 case_when()

6.4 벡터의 일부분 선택

6.5 연습문제

7 문자 데이터 다루기

7.1 Base R 함수

7.2 패키지 stringr 함수

7.3 정규 표현식과 stringr 함수

7.4 연습문제

8 요인

8.1 요인 생성

8.1.1 함수 factor()에 의한 요인 생성

8.1.2 패키지 forcats의 함수 fct()에 의한 요인 생성

8.2 요인 다루기

8.2.1 요인 수준의 순서 변경

8.2.2 요인 수준 병합

8.3 연속형 변수를 범주형 변수로 변환

8.4 연습문제

9 리스트

9.1 리스트의 생성 및 하부 요소 선택

9.2 리스트 열

9.3 연습문제

3부 프로그래밍

10 함수

10.1 벡터 함수

10.1.1 함수의 정의

10.1.2 변수

10.1.3 변수 지정

10.1.4 결과의 출력

10.1.5 유효 범위

10.2 데이터 프레임 함수

10.2.1 데이터 마스킹

10.2.2 데이터 프레임 함수의 정의

10.3 조건 연산과 함수

10.4 연습문제

11 반복 실행

11.1 데이터 프레임의 여러 변수에 대한 반복 실행

11.1.1 여러 변수에 함수 적용: across()

11.1.2 여러 변수의 이름 변경: rename_with()

11.2 패키지 purrr의 반복 실행 함수

11.2.1 함수 map()에 의한 반복 실행

11.2.2 함수 map()에 의한 리스트 일부분 선택

11.2.3 함수 map2()에 의한 반복 실행

11.2.4 함수 modify()에 의한 반복 실행

11.3 함수 apply() 계열 함수에 의한 반복 실행

11.4 루프 연산

11.4.1 for 루프

11.4.2 while 루프

11.5 연습문제

4부 R에 의한 통계분석

12 확률 분포

12.1 R에서의 확률 분포 이름

12.2 연속형 확률 분포

12.2.1 정규 분포

12.2.2 지수 분포

12.2.3 균등 분포

12.2.4 t-분포

12.3 이산형 분포

12.3.1 베르누이 분포와 이항 분포

12.3.2 포아송 분포

12.3.3 초기하 분포

12.4 모의 실험

12.5 연습문제

13 자료 탐색

13.1 일변량 범주형 자료 탐색

13.1.1 막대그래프

13.1.2 파이그래프

13.1.3 Cleveland의 점그래프

13.2 이변량 및 다변량 범주형 자료 탐색

13.2.1 이변량 및 다변량 범주형 자료를 위한 그래프

13.3 일변량 연속형 자료 탐색

13.3.1 줄기-잎 그림

13.3.2 상자그림

13.3.3 바이올린 그래프

13.3.4 히스토그램

13.3.5 확률밀도함수 그래프

13.3.6 기타 유용한 그래프

13.3.7 일변량 연속형 자료의 요약 통계

13.4 이변량 연속형 자료 탐색

13.4.1 연속형 변수의 분포를 비교하기 위한 그래프

13.4.2 연속형 변수의 관계 탐색을 위한 그래프

13.5 연습문제

14 통계적 추론

14.1 단일 모집단의 모평균에 대한 검정 및 신뢰구간 추정

14.2 두 모집단의 모평균 차이에 대한 검정 및 신뢰구간 추정

14.2.1 독립된 두 표본에 대한 추론

14.2.2 짝을 이룬 표본에 대한 추론

14.3 단일 모집단의 모비율에 대한 검정 및 신뢰구간 추정

14.4 두 모집단의 모비율 차이에 대한 검정 및 신뢰구간 추정

14.5 두 범주형 변수의 독립성 검정

14.5.1 카이제곱 독립성 검정

14.5.2 Fisher의 정확검정

14.6 정규성 검정

14.6.1 검정에 의한 정규성 확인

14.6.2 그래프에 의한 정규성 확인

14.7 단일 모집단의 분포 중심에 대한 비모수 검정

14.8 두 모집단의 분포 중심 차이에 대한 비모수 검정

14.9 연습문제

찾아보기