응용 데이터 분석

1장. 메타분석 meta analysis
1. 비율의 비교
2. 출간 편향
3. 평균의 비교
4. “meta”의 다른 기능

2장. 잠재 층 분석 latent class analysis
1. 범주형 응답과 이에 대한 통계적 모형
2. values 사례와 모형 선택
3. 잠재 층 회귀 모형
4. 응용: 잠재 층에 대한 로지스틱 회귀
5. 그 밖의 혼합분포 모형

3장. 성향점수 맞추기 propensity score matching
1. 배후요인의 수준 차이
2. 성향점수 모형
3. 최근접 이웃 맞추기
4. 부구간 맞추기
5. 사례: Lalonde 자료
6. 그 밖의 맞추기 기법과 R 팩키지

4장. 최적화 알고리즘 optimization algorithm
1. 최대가능도 추정
2. 비선형 회귀
3. TSP (traveling salesman problem)

5장. 결측값 대체 missing value imputation
1. 결측값 대체
2. 대체 자료의 활용
3. 대체 방법과 손실
4. MAR 상황

6장. 다차원 척도화 multidimensional scaling
1. 거리 행렬
2. 고전적 MDS
3. 비계량형 MDS
4. iso map
5. 차원의 결정

7장. 표본크기와 검정력 sample size and power
1. 정규분포의 중심
2. t-검정
3. 비율의 검정
4. 상관의 검정
5. 그 밖의 검정

8장. 붓스트랩 방법 bootstrap method
1. 붓스트랩 방법이란?
2. 붓스트랩 사례: 상관계수
3. 붓스트랩 사례: 로지스틱 회귀
4. 붓스트랩 사례: 두 독립표본의 중심 간 차이

9장. 로버스트 회귀와 분위수 회귀 robust and quantile regression
1. 로버스트 회귀
2. 분위수 회귀

10장. 일반화선형모형 generalized linear model
1. 일반화선형모형이란?
2. 포아송 회귀
3. 로지스틱 회귀
4. 감마 회귀
5. 요약

11장. 국소적 회귀 LOESS
1. 국소 가중치
2. 국소 선형이차식의 적합
3. Engine Exhaust Emissions 사례
4. Sulfate Deposits 사례
5. 기술적 세부 사항
참고문헌

12장. 일반화가법모형 generalized additive model
1. 기본 사례와 방법론
2. 준모수적 회귀모형
3. 모의자료 사례
참고문헌

13장. R 컬러와 산점도 r colors and scatterplot
1. R의 컬러
2. 산점도 응용: 제3의 변수
3. 산점도 응용:
4. 산점도 응용: lowess 평활
14장. 통계 그래프 1 statistical graph
1. 나무 지도
2. 모자이크 플롯
3. 열 지도

15장. 통계 그래프 2 statistical graph
1. 2변량 자료의 밀도
2. 3변량 자료의 시각화
3. 다변량 자료의 시각화

16장. 행렬도와 대응분석 biplot and correspondence analysis
1. 행렬도
2. 대응분석
3. 다중대응분석

17장. SVM (Support Vector Machine)
1. 선형 SVM 분류
2. 비선형 SVM 분류
3. 선형 및 비선형 SVM 회귀

18장. 나무 알고리즘 tree algorithm
1. CART
2. 랜덤 포리스트

19장. KPCA와 LLE (kernel PCA and locally linear embedding)
1. 커널 PCA
2. LLE

20장. 예측함수의 시각화 visualizing predictive functions
1. 조건부 예측 그래프
2. 회귀모형의 경우
3. 설명변수가 많은 경우

부록 I. R에서 데이터세트 다루기 (초급) manipulating datasets in R
부록 II. R에서 데이터세트 다루기 (고급) manipulating datasets in R

참고문헌
실습파일
찾아보기