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