股票這個價位要不要買論文書籍站
r語言統計分析的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊
r語言統計分析的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦孫玉林,余本國寫的 機器學習演算法動手硬幹：用PyTorch+Jupyter最佳組合達成 和汪海波的 R語言統計分析與應用都 可以從中找到所需的評價。
另外網站基于R语言的社会统计分析- 清华大学- 学堂在线也說明：患有数学恐惧症？对希腊字母感到无所适从？本课程将用一点点的数学知识，教会你如何作为统计学原理的消费者，将统计思维运用到浩瀚的社会科学研究中。，基于R语言的 ...
這兩本書分別來自深智數位 和人民郵電所出版 。
景文科技大學 旅遊管理系觀光與餐旅管理碩士班 莫皓帆所指導 趙柏哲的 廣義相加混合模型(GAMM)在旅遊數據挖掘的應用-以2008年至2018年中華民國觀光遊憩據點遊客人次數據為例 （2018），提出r語言統計分析關鍵因素是什麼，來自於廣義相加混合模型、觀光遊憩據點、數據挖掘。
而第二篇論文臺北城市科技大學 電子商務研究所 李 義 溪所指導 鍾昌錦的 台灣觀光旅遊趨勢分析-使用R統計軟體 （2017），提出因為有 旅行、旅遊、觀光景點、R統計軟體、旅遊趨勢的重點而找出了 r語言統計分析的解答。
最後網站統計分析方法應用於R語言 - HackMD則補充：統計分析 方法應用於R語言 · d = density function 連續型 · p = cumulative distribution function 離散 · q = quantile function · r = random number generation.
機器學習演算法動手硬幹：用PyTorch+Jupyter最佳組合達成
為了解決r語言統計分析 的問題，作者孫玉林,余本國 這樣論述：
★★★【機器學習】+【演算法】★★★ ★★★★★【PyTorch】+【Jupyter】★★★★★ 一步一腳印、腳踏實地 機器學習經典演算法全面講解 我們平常視為理所當然的L1、L2、Softmax，Cross Entropy，都是基礎的機器學習所推導出來的，很多人以為不需要學的機器學習演算法，才是站穩腳步的基本大法！ 本書就是讓你可以用Python來真正真槍實戰上手機器學習。從最基礎的資料清理、特徵工程開始，一直到資料集遺漏值的研究，包括了特徵變換、建構，降維等具有實用性的技巧，之後說明了模型是什麼，接下來全書就是各種演算法的詳解，最後還有一個難得的中文自然語言處理的
案例，不像一般機器學習的書千篇一律MNIST手寫辨識、人臉辨識這麼平凡的東西，難得有深入「機器學習」的動手書，讓你真的可以在人工智慧的領域中走的長長久久。 大集結！聚類演算法 ✪K-means 聚類 ✪系統聚類 ✪譜聚類 ✪模糊聚類 ✪密度聚類 ✪高斯混合模型聚類 ✪親和力傳播聚類 ✪BIRCH 聚類 技術重點 ✪資料探索與視覺化 ✪Python實際資料集特徵工程 ✪模型選擇和評估 ✪Ridge回歸分析、LASSO回歸分析以及Logistic回歸分析 ✪時間序列分析 ✪聚類演算法與異常值檢測 ✪決策樹、隨機森林、AdaBo
ost、梯度提升樹 ✪貝氏演算法和K-近鄰演算法 ✪支持向量機和類神經網路 ✪關聯規則與文字探勘 ✪PyTorch深度學習框架
r語言統計分析進入發燒排行的影片
【線上課程】《理財心裡學》～擺脫家庭影響，從心培養富體質
課程連結：https://pse.is/EPBWE
第一講免費試聽：https://youtu.be/HgrDK7pqR-0
【人際維基】桌遊工作坊～帶給你更多新鮮的玩法與樂趣~2020.01.18（六）
打造專屬於「你」的遊戲！
課程資訊：https://www.koob.com.tw/contents/4213
[ 2020/4/18 開課！]【寫作小學堂】～寫出專屬風格，找回文字悸動～第五期
打造一盞自己的聚光燈，建立起專屬於你的品牌印象
課程資訊：https://www.koob.com.tw/contents/3655
更多學員心得分享：https://pse.is/NE3QN
【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8
不定期推出補充教材，讓學習無限延伸：https://pse.is/GXZWM
【線上課程】《過好人生學》～除了熱情，你更需要知道的事
讓你建立迎向未來的思維與能力！
課程連結：https://pse.is/H8JXH
第一講免費試聽：https://youtu.be/-EHOn0UxMys
不定期推出補充教材，讓學習無限延伸：https://pros.is/KQZZH
【線上課程】《人際斷捨離》～
讓你留下怦然心動的關係，活出輕盈自在的人生！
課程連結：https://pse.is/E5MW5
第一講免費試聽：https://youtu.be/YyLvd1cNcDw
歡迎加入「啟點文化Line@」：https://line.me/R/ti/p/%40teb0498p
線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo
桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：
一般來說在傳統裡面，我們購買任何商品跟服務，都是以一個「一手交錢一手交貨」的原則。
所以我們在決定購買的當下，我們就很清楚知道自己付了多少錢，而這意味著我們要付出多少的代價。
可是隨著時代的演進，你會發現有很多不同的支付方法出現了；像是信用卡，甚至還可以給你動用循環利息，或者是分期付款。
再不然就是我們可能先付了一筆錢，然後呢，我們再慢慢的享受！比如說電信服務的吃到飽的方案。
或者是呢，你可能花5萬塊買一個健身房的年度服務，然後讓你無限次的可以去健身房。
再不然就是像以前訂紙本雜誌，我還記得我那個時候20多歲的時候，我訂了「商業週刊」，我想要提升自己的素養。
結果呢，剛開始雜誌寄來的前幾期我很認真的看，但是慢慢的，我就變成隨便翻翻；一直到最後，我甚至於連拆封都沒有拆封。可是我在購買的當下，我是覺得我要好好提升自己的。
就如同很多朋友，在付錢給健身房的當下，會覺得哇～一年五萬我只要來個幾次就很划算，結果你還真的只去個幾次而已。
譬如說，你這一年你去了五次，每一次你是花一萬塊耶！你如果是去了十次，其實你每一次是花了五千塊。無論你是花五千還是一萬，花這樣的錢去健身一個晚上，很貴不是嗎？
所以現在消費活動裡面，其實有很多，已經是跟一手交錢，一手交貨的原則脫鈎了。這個部分呢，在行為經濟學裡面有一個名詞，就叫做「支付隔離」。
而「支付隔離」的現象，會對我們造成什麼樣的影響呢？
我進一步來跟你說，我們假設一個情境，假設你在5年前，你花了200塊買了一瓶酒，現在一瓶酒的市場價格，已經到了750塊，那如果你現在要喝這瓶酒，你覺得你的成本是多少？
有5個選項，你看看你會選哪一個，第一個選項是你覺得沒有成本，第二個選項是200塊，第三個選項是200塊加上利息。
第四個選項是750塊，第五個選項是，哇～這個時候喝這個酒，我還賺了550塊，這五個選項你選哪一個呢？
我還給你個參考哦，就是經過很多實驗哦，這五個選項大概會有一定的比例，去選擇它。
其中有百分之三十的人，可能會選擇「沒有成本」；百分之十八選擇成本是200塊；百分之七是200塊加利息；百分之20是覺得成本是750塊，而有25%，覺得是自己賺了550塊。
然而如果從純粹經濟學的角度來分析，其實這個選項的正確答案，應該是750塊啊！
因為別忘了，5年前你是付200塊沒有錯，可是你要不要把你這5年的等待時間，也計算入你的成本呢？
而且在此刻當下這一瓶酒，它的市場價值就是750塊；所以你在此刻把它打開，其實你就等於是花了750塊，它跟你先前花多少錢買它是無關的。
然而多數人不是這樣想，是因為我們購買它的時間點，跟我們享受它的時間點被隔開來了，這就是「支付隔離」啊！
所以在這個現象底下，如果你還記得剛剛的統計數據的話，大概有超過半數的人，覺得自己的消費是免費的，甚至於是賺到的；從這個角度來看，是不是很荒謬啊？
可是呢，如果回到你我的消費行為，如果你常常覺得反正可以分期付款，慢慢還再說。
或者你每次拿到一筆年終獎金的時候，就開始大手大腳的亂花錢，那就代表你掉入了支付隔離的陷阱耶！
怎麼說呢？如果你決定花一大筆錢，然後用分期付款，其實在你決定的那一刻，這個花費就發生了；並不是你接下來分12期，然後呢，這12個月各自付多少錢，那個時候才發生。
可是因為分期，稀釋了是你每個月付款的那個具體的感受；所以呢，你會覺得一次付12萬，跟分12個月每個月付1萬2，感覺後者比較容易；可是別忘了它的利息很高的不是嗎？
又或者是，其實年終獎金你能夠拿到這一筆錢，這意味著你這一整年的努力累積所獲得的。
可是呢，你會發現喔，因為它一次來，所以呢你不會把這筆錢跟你這一整年努力的總和，去做馬上的對應關係。
你會覺得這一筆錢是多出來的，所以呢，這也是一種支付隔離呀！我講一個對比你就知道了。如果是你每個月的月薪，你會這樣子大手大腳的花嗎？
又或者，是如果把年終獎金除以12，平攤到每個月給你，你還會這樣大手大腳的花嗎？
就算它的總額是一樣的，因為你很清楚，每個月的努力多少，然後你拿多少錢，它有一手交錢，一手交貨的立即對價感啊！
所以有很多商人，也利用「支付隔離」這樣的心理效應，讓你不知不覺的花了一堆錢；然而你還很開心的說，反正一個月也沒有付多少啊！
可是這種東西多個一個兩個，你說你有很多個一個月沒有要付多少？加起來是不是你一個月要付很多呢？
而且更重要的一點是，當年你花了大錢，買了健身房的會員，而最近一次你踏進健身房，又在什麼時候呢？
所以呢，今天這一段內容的標題叫做「不懂支付隔離，不會變有錢」；這不是在嚇你，這是真的啊！
然而談到這裡，我發現有很多人在他人生裡面，「財務」這一塊一直沒有辦法圓滿。
除了一些理財技巧，像是記帳、規劃預算…這方面的能力有所缺失之外；更重要的關鍵就在於，他打自內心並沒有把他自己的錢，當成是他自己的錢！
這句話請你玩味一下，當你覺得年終獎金一來，就大手大腳的花，那請問一下，那個錢是你的錢嗎？
又或者是，你覺得反正可以分期，你就任意的做決定，那你還有把你的錢，當成是你的錢嗎？
其實喔，這麼多年來，我們進行了很多個案的教練跟輔導，除了處理他們很多心理上的問題之外，我就發現要靠近一個人的生命，那就一定要觸碰到他個人資源管理的部份。
而個人資源的管理，無非就兩個；第一個他怎麼管理自己的時間？第二個他怎麼管理自己的財務？
所以呢，這也是為什麼我們即將在12月2號要推出【理財心裡學】，這一門線上課程的最主要原因。
這一門課程呢，除了會給你怎麼樣透過記帳、預算的規劃，甚至於聰明的消費方法來幫助你。
除了這些具體的做法，跟技巧之外，我們會花更多的力氣，幫助你處理那背後更關鍵的核心，就是你的信念、就是你的金錢觀。
然而這個部分，其實是從我們成長過程裡，尤其是原生家庭帶給我們的影響。
如果呢你沒有去深入這些內在的深刻議題，就算你有再好賺錢能力，你要不就是可能錢也沒辦法留在身邊，要不就是其實你會窮到只剩下錢！
而【理財心裡學】這一門課，除了幫助你建立起富有的技巧之外，我們還會幫助你建立起富有的心。
所以邀請你，12月2日跟我們一起加入【理財心裡學】這一門課；也希望今天的分享，能帶給你一些啟發與幫助，我是凱宇。
如果你喜歡我製作的內容，請在影片裡按個喜歡，並且訂閱我們的頻道，別忘了訂閱旁邊的小鈴鐺，按下去，這樣子你就不會錯過我們製作的的內容。
然而如果你對於啟點文化的商品，或是課程有興趣的話；我們在每一段的影片說明裡，都有相關的連結。
我們很期待你的加入，那麼今天的內容，就跟你分享到這裡，謝謝你的收聽，我們再會。
廣義相加混合模型(GAMM)在旅遊數據挖掘的應用-以2008年至2018年中華民國觀光遊憩據點遊客人次數據為例
為了解決r語言統計分析 的問題，作者趙柏哲 這樣論述：
在大數據時代的熱潮中數據挖掘是核心價值能力，有鑒於數據挖掘迴歸模型的技術，如廣義線性模型(Generalized Linear Models, GLM)、廣義相加模型(General Additive Models, GAM)、廣義線性混合模型(Generalized Linear Mixed Model, GLMM)等技術，皆有缺陷，如無法處理非線性、非參數的數據以及未考慮樣本之間的變異數不同質等。因此本研究引入廣義相加混合模型(Generalized Additive Mixed Models, GAMM)的新技術。使用取自臺灣交通部觀光局統計2008年1月年至2018年12月為期132
個月臺灣各縣市觀光遊憩據點遊客人次的2904筆數據，探討臺灣各個遊憩點種類遊客人次在各縣市(area)、年月序列期(small)變化情況，以及遊憩點遊客人次總數(sum)在各縣市(area)、年月序列期(small)、7個遊憩點種類(OTH、NSA、FRA、MCSA、MUS、NAP、TEM)變量下的變化情況，使用GAMM來建模，其中使用各縣市(area)變量做為重複測量變量，年月序列期(small)為平滑函數。結果發現：1.各個遊憩點種類遊客人次、各縣市、年月序列期，以及遊憩點遊客人次總數、各縣市、年月序列期建模，有14種GAMM模型建模成功。2.各個遊憩點種類遊客人次建模，以「博物館遊客人次
」模型、「森林遊樂區遊客人次」模型、「國家風景區遊客人次」模型使用GAMM挖掘趨勢較佳，不建議「休閒農業區及休閒農場遊客人次」模型、「寺廟遊客人次」模型遊客人次模型使用GAMM挖掘趨勢。3.遊憩點遊客人次總數GAMM建模，以「遊客人次總數與其他、國景、森林、地景遊客人次」模型、「遊客人次總數與其他、國景、森林、地景、寺廟遊客人次」模型、「遊客人次總數與其他、國景、博物、森林、地景遊客人次」模型使用GAMM挖掘趨勢較佳，不建議「遊客人次總數與其他、國景、森林、地景、國公遊客人次」模型使用GAMM挖掘趨勢。
R語言統計分析與應用
為了解決r語言統計分析 的問題，作者汪海波 這樣論述：
R統計軟件是目前應用最廣泛的統計軟件之一，已廣泛應用於醫學、財經和社會科學等領域中進行數據管理和數據分析處理。本書以Windows操作系統下的R軟件為基礎，以實踐中常用的統計分析方法為基本內容，介紹了R語言的編寫以及結果解釋。 本書重點介紹了各種多元統計分析方法的基本原理及其應用，包括方差分析、多元線性回歸、Logistic回歸分析、生存分析、主成分分析、因子分析、聚類分析、判別分析以及典型相關分析等。每一章詳細討論了統計分析方法的基本原理和分析過程，介紹了R語言的使用方法及應用實例說明、結果解釋及結論分析等。 本書由汪海波、羅莉、汪海玲編著，參與編寫的還有郝旭寧、李建鵬、
趙偉茗、劉欽、於志偉、張永崗、周世賓、姚志偉、曹文平、張應遷、張洪才、邱洪鋼、張青蓮、陸紹強、李成。 汪海波，SAS知名專家，暢銷書《SAS統計分析與應用從入門到精通》作者。作者深入理解了SAS內涵、精髓，結合自己豐富的工作經驗，並結合大量的一線工程實踐經驗，潛心編寫而成。 第一篇 R基礎與入門篇 第1章 R入門 2 1．1 R簡介 2 1．1．1 R特點 2 1．1．2 R支援資料 3 1．2 R的獲取、安裝和啟動 4 1．2．1 R的獲取 4 1．2．2 R的安裝 5 1．2．3 R的啟動 7 1．3 R功能表操作 7 1．4 工作空間 10 1．5 套裝程式 11
1．5．1 什麼是套裝程式 11 1．5．2 安裝套裝程式 11 1．6 R使用以及圖形介面 12 1．7 本章小結 13 第2章 R程式設計入門 14 2．1 R語言 14 2．1．1 資料集的概念 14 2．1．2 R運運算元 21 2．2 R常用函數及其應用 23 2．2．1 數學函數 24 2．2．2 樣本統計函數 26 2．2．3 概率函數 27 2．2．4 字元處理函數 28 2．2．5 其他實用函數 30 2．3 資料的輸入 31 2．3．1 使用鍵盤輸入資料 31 2．3．2 資料集的導入 32 2．4 本章小結 34 第3章 基本資料管理 35 3．1 創建新變數 36 3
．2 向量運算 37 3．2．1 添加或刪除向量元素 37 3．2．2 向量運算和邏輯運算 37 3．2．3 用∶運運算元創建向量 37 3．2．4 使用seq()函數創建向量 38 3．3 處理資料物件的實用函數 38 3．4 變數的重編碼 39 3．5 變數的重命名 40 3．6 缺失值 41 3．7 日期值 42 3．8 類型轉換 44 3．9 數據排序 45 3．10 資料集的合併 45 3．11 資料集取子集 46 3．11．1 選入觀測 46 3．11．2 選入變數 47 3．11．3 剔除變數 48 3．11．4 subset()函數 49 3．12 本章小結 49 第4章 樣本
量和檢驗效能估計 50 4．1 樣本量估算以及R套裝程式 50 4．1．1 樣本量影響因素 50 4．1．2 檢驗效能分析pwr包 52 4．2 t檢驗 53 4．2．1 單樣本與已知總體檢驗時樣本量的估計及R程式 53 4．2．2 兩總體均數比較樣本量的估計及R程式 54 4．2．3 配對設計兩樣本均數比較樣本量的估計及R程式 55 4．3 方差分析 56 4．4 相關分析 57 4．5 線性模型 58 4．6 分類資料的樣本量估計 59 4．6．1 單樣本與已知總體檢驗時樣本量的估計及R程式 59 4．6．2 兩樣本率比較樣本量的估計及R程式 60 4．6．3 配對設計總體率比較樣本量的估
計及R程式 61 4．7 本章小結 62 第5章 高 級資料管理 63 5．1 控制語句 63 5．1．1 重複和迴圈 63 5．1．2 條件執行 65 5．2 資料處理綜合實例 67 5．3 轉置與整合 70 5．3．1 轉置 70 5．3．2 整合數據 71 5．4 本章小結 72 第二篇 統計方法與R分析實例 第6章 定量資料的統計描述 74 6．1 統計描述基礎理論知識 74 6．1．1 集中趨勢描述 75 6．1．2 離散趨勢描述 77 6．1．3 正態分佈 79 6．2 統計描述分析實例 81 6．2．2 2ummary()函數分析實例 81 6．2．2 sapply()函數分
析實例 83 6．2．3 describe()函數分析實例 85 6．2．4 stat．desc()函數分析實例 89 6．2．5 分組計算描述性統計量 91 6．2．6 對數正態分佈資料的統計描述 94 6．3 本章小結 95 第7章 t檢驗 96 7．1 單樣本t檢驗 96 7．1．1 單樣本t檢驗的基礎理論 96 7．1．2 單樣本t檢驗分析實例 97 7．1．3 無原始資料的單樣本t檢驗R程式 98 7．2 配對設計資料的t檢驗 98 7．2．1 配對設計資料t檢驗的基礎理論 98 7．2．2 配對t檢驗實例 100 7．2．3 無原始資料的配對設計的t檢驗分析實例 102 7．3 兩
獨立樣本的t檢驗 103 7．3．1 兩獨立樣本t檢驗的基礎理論 103 7．3．2 獨立樣本t檢驗分析實例 105 7．3．3 無原始資料的兩獨立樣本t檢驗分析實例 107 7．4 本章小結 107 第8章 方差分析 108 8．1 方差分析及ANOVA模型擬合概述 108 8．1．1 方差分析的基本思想 108 8．1．2 方差分析基本術語 110 8．1．3 ANOVA模型擬合 111 8．2 完全隨機設計資料的方差分析 112 8．2．1 單因數方差分析介紹 113 8．2．2 單因數方差分析的R程式實例 113 8．3 隨機區組設計資料的方差分析 118 8．3．1 隨機區組方差分析
介紹 119 8．3．2 隨機區組方差分析的R程式實例 121 8．4 拉丁方設計資料的方差分析 126 8．4．1 拉丁方方法介紹 126 8．4．2 拉丁方分析的R程式實例 128 8．5 析因設計資料的方差分析 131 8．5．1 析因設計方法介紹 131 8．5．2 析因方差分析的R程式實例 134 8．6 正交試驗設計資料的方差分析 136 8．6．1 正交試驗設計方法介紹 136 8．6．2 正交試驗設計資料分析的R程式實例 138 8．7 重複測量資料的方差分析 139 8．7．1 重複測量設計方法介紹 140 8．7．2 重複測量資料分析的R程式實例 141 8．8 協方差分析
144 8．8．1 協方差分析方法介紹 144 8．8．2 協方差分析的R程式實例 145 8．9 本章小結 148 第9章 直線回歸與相關 149 9．1 直線相關分析 149 9．1．1 直線相關分析介紹 149 9．1．2 直線相關分析的R實例 151 9．2 直線回歸分析 154 9．2．1 直線回歸分析介紹 155 9．2．2 直線回歸分析的R程式實例 157 9．3 本章小結 162 第10章 多元線性回歸與相關 163 10．1 多元線性回歸與相關的基礎理論 163 10．1．1 多元線性回歸 163 10．1．2 複相關係數與偏相關係數 176 10．2 分析實例 178 1
0．2．1 多元線性回歸方程的建立 178 10．2．2 複相關係數與偏相關係數的R程式實例 183 10．3 本章小結 185 第11章 Logistic回歸分析 186 11．1 非條件Logistic回歸 186 11．1．1 非條件Logistic回歸介紹 187 11．1．2 非條件Logistic回歸模型的建立和檢驗 188 11．1．3 非條件Logistic回歸的R程式 190 11．2 條件Logistic回歸 205 11．2．1 條件Logistic回歸介紹 205 11．2．2 條件Logistic回歸的R程式 206 11．3 本章小結 207 第 12章 相對數 2
08 12．1 相對數簡介 208 12．1．1 率的標準化 210 12．1．2 率的假設檢驗 212 12．2 R分析實例 214 12．2．1 率的標準化R程式 214 12．2．2 率的Z（U）檢驗的R程式 215 12．3 本章小結 216 第13章 行×列表分析 217 13．1 四格表資料 217 13．1．1 四格表卡方檢驗介紹 218 13．1．2 四格表卡方檢驗的R程式 220 13．2 配對計數資料的卡方檢驗 224 13．2．1 四格表配對卡方檢驗介紹 224 13．2．2 四格表配對卡方檢驗的R程式 225 13．3 列變數為順序變數的行均分檢驗 226 13．3．1
行均分檢驗介紹 227 13．3．2 行均分檢驗的R程式 227 13．4 行列均為順序變數的相關檢驗 230 13．4．1 行列均為順序變數的相關檢驗介紹 230 13．4．2 行列均為順序變數的相關檢驗的R程式 231 13．5 分層行列表的分析 235 13．5．1 分層行列表的分析簡介 235 13．5．2 分層行列表的分析的R程式 236 13．6 趨勢卡方檢驗 239 13．6．1 趨勢卡方檢驗簡介 239 13．6．2 趨勢卡方檢驗的R程式 239 13．7 卡方分割與卡方合併 241 13．7．1 卡方的分割與合併簡介 241 13．7．2 卡方分割與卡方合併分析實例 241
13．8 本章小結 243 第14章 非參數統計 244 14．1 單樣本資料與已知總體參數的非參數檢驗 245 14．1．1 單組資料的符號及符號秩和檢驗 245 14．1．2 單組資料的非參數檢驗R程式 247 14．2 配對設計資料的非參數檢驗 248 14．2．1 配對設計資料的符號及符號秩和檢驗 248 14．2．2 配對設計資料的非參數檢驗R程式 249 14．3 兩組定量資料的非參數檢驗 250 14．3．1 兩組定量資料的非參數檢驗方法概述 251 14．3．2 兩組定量資料非參數檢驗的R程式 252 14．4 多組定量資料的非參數檢驗 253 14．4．1 多組定量資料的非
參數檢驗方法概述 253 14．4．2 多組定量資料非參數檢驗的R程式 255 14．5 等級分組資料的非參數檢驗 260 14．5．1 等級分組資料的非參數檢驗方法概述 260 14．5．2 等級分組資料非參數檢驗的R程式 261 14．6 隨機區組資料的非參數檢驗 264 14．6．1 隨機區組資料的非參數檢驗方法概述 264 14．6．2 隨機區組資料非參數檢驗的R程式 265 14．7 等級相關（秩相關） 266 14．7．1 秩相關概述 266 14．7．2 spearman秩相關的R程式 267 14．8 本章小結 268 第15章 生存分析 269 15．1 生存分析簡介 269
15．1．1 生存數據 269 15．1．2 生存時間函數 270 15．1．3 均數、中位數和半數生存期 271 15．1．4 生存分析的基本方法 271 15．2 生存曲線 272 15．2．1 壽命表法及R分析實例 273 15．2．2 乘積極限法（Kaplan-Meier）及R分析實例 278 15．2．3 Cox回歸及R分析實例 280 15．3 本章小結 285 第16章 主成分分析 286 16．1 主成分分析簡介 287 16．1．1 主成分分析的數學模型 287 16．1．2 主成分分析的方法步驟 288 16．1．3 主成分分析的應用 290 16．2 R中的主成分分析實
例 291 16．3 本章小結 307 第17章 因數分析 308 17．1 因數分析簡介 308 17．2 主成分分析與因數分析比較 317 17．3 因數分析及R實例 318 17．4 本章小結 337 第18章 聚類分析 338 18．1 聚類分析簡介 338 18．2 聚類分析及R實例 344 18．2．1 varclus ()函數 344 18．2．2 kmean()函數 348 18．2．3 hclust()函數實例 352 18．3 本章小結 355 第19章 判別分析 356 19．1 判別分析簡介 357 19．2 判別分析及R實例 362 19．3 本章小結 386 第20
章 典型相關分析 388 20．1 典型相關簡介 388 20．1．1 典型相關分析的理論架構及基本假設 390 20．1．2 冗餘分析 391 20．1．3 典型相關係數的假設檢驗 392 20．2 cancor()函數實例 392 20．3 本章小結 400 第21章 診斷試驗的ROC分析 401 21．1 診斷試驗簡介 401 21．1．1 診斷試驗介紹 401 21．1．2 診斷試驗評價指標 402 21．1．3 ROC分析資料收集與整理 404 21．1．4 ROC曲線構建 405 21．2 ROC分析及R分析實例 406 21．3 本章小結 423 第22章 統計圖 425 22．
1 橫條圖 425 22．2 圓形圖 429 22．3 散點圖 431 22．4 折線圖 433 22．5 箱線圖 434 22．6 長條圖 437 22．7 核密度圖 442 22．8 點圖 442 22．9 本章小結 444 參考文獻 445
台灣觀光旅遊趨勢分析-使用R統計軟體
為了解決r語言統計分析 的問題，作者鍾昌錦 這樣論述：
本研究使用政府資料開放(open data)平台的資料，以 R 語言統計分析最近五年(2012~2016 年)國內 330 個觀光景點，約 2 萬筆的遊客人數資料，並以回歸分析、趨勢圖量化方式呈現，找出與特色活動、觀光旅遊政策之間的關連與未來趨勢。研究結論:(一)特色活動吸睛效果良好，台灣燈會、花季、新北耶誕城、跨年、墾丁春浪音樂祭、貢寮音樂祭等大型活動，每年都人山人海。以成長率而言，全國前 3 大旅遊特色活動以「聖誕節活動」、「跨年活動」、「新北市貢寮國際海洋音樂祭活動」吸引旅客成長率最多。新北市貢寮國際海洋音樂祭活動舉辦時的旅遊人數約 90 萬人/月，大約是淡季時旅遊人數 500 多倍。
台北市跨年活動每年都吸引約一百萬人潮。新北市聖誕節城活動旅遊人數，45 天活動每年平均約吸引 350 萬人以上，且每年參加人數越來越多，吸引國內外的注意。(二)兩岸觀光政策影響旅遊人數，2012 至 2015 年來臺旅遊人數逐年增加， 但 2016 年再次政黨輪替後，大陸限制來臺旅遊人數，大陸遊客較 2015 年少了 67 萬人次，約少 16%。其中以世博台灣館遊客人數驟減 208 萬人次最多約減少 56%。但高雄佛光山遊憩景點 2016 年遊客總人數，比前一年增加約 240 萬人次，突顯出有些景點對不同遊客還是有不同的吸引力，值得各地方政府重視。關鍵字: 旅行、旅遊、觀光景點、R 統計軟體、
旅遊趨勢