Vous êtes sur la page 1sur 5

R - Books http://www.r-project.org/doc/bib/R-books.

html

Books related to R
This page gives a partially annotated list of books that are related to S or R and
may be useful to the R user community. See also the list of other publications
related to R. An alternative searchable listing of both sets together is available
here.

[1] Pierre André Cornillon and Eric Matzner-Lober. Régression avec R.


Springer, Collection Pratique R, 1st edition, 2011. ISBN:
9782817801834. [ bib | Publisher Info ]

Cet ouvrage expose en détail l'une des méthodes statistiques les plus
courantes : la régression. Il concilie théorie et applications, en insistant
notamment sur l'analyse de données réelles avec le logiciel R. Les premiers
chapitres sont consacrés à la régression linéaire simple et multiple, et
expliquent les fondements de la méthode, tant au niveau des choix opérés que
des hypothèses et de leur utilité. Puis ils développent les outils permettant de
vérifier les hypothèses de base mises en œuvre par la régression, et
présentent les modèles d'analyse de la variance et covariance. Suit l'analyse
du choix de modèle en régression multiple. Les derniers chapitres présentent
certaines extensions de la régression, comme la régression sous contraintes
(ridge, lasso et lars), la régression sur composantes (PCR et PLS), et, enfin,
introduisent à la régression non paramétrique (spline et noyau). La
présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient
d'une expérience d'enseignement auprès de publics très variés. Les résultats
exposés sont replacés dans la perspective de leur utilité pratique grâce à
l'analyse d'exemples concrets. Les commandes permettant le traitement des
exemples sous le logiciel R figurent dans le corps du texte. Chaque chapitre
est complété par une suite d'exercices corrigés. Le niveau mathématique
requis rend ce livre accessible aux élèves ingénieurs, aux étudiants de niveau
Master et aux chercheurs actifs dans divers domaines des sciences
appliquées.

[2] John Fox and Sanford Weisberg. An R Companion to Applied Regression.


Sage Publications, Thousand Oaks, CA, USA, second edition, 2011.
ISBN 978-1-4129-7514-8. [ bib | http://socserv.socsci.mcmaster.ca
/jfox/Books/Companion/index.html ]

A companion book to a text or course on applied regression (such as “Applied


Regression Analysis and Generalized Linear Models, Second Edition” by John
Fox or “Applied Linear Regression, Third edition” by Sanford Weisberg). It
introduces R, and concentrates on how to use linear and generalized-linear
models in R while assuming familiarity with the statistical methodology.

[3] Christian P. Robert and George Casella. Méthodes de Monte-Carlo avec


R. Pratique R. Springer, Collection Pratique R, 1st edition, 2011. ISBN:
978-2-8178-0180-3, French translation of Introducting Monte Carlo

1 of 5 02/19/2011 05:06 PM
R - Books http://www.r-project.org/doc/bib/R-books.html

Methods with R. [ bib | Publisher Info ]

Les techniques informatiques de simulation sont essentielles au statisticien.


Afin que celui-ci puisse les utiliser en vue de résoudre des problèmes
statistiques, il lui faut au préalable développer son intuition et sa capacité à
produire lui-même des modèles de simulation. Ce livre adopte donc le point de
vue du programmeur pour exposer ces outils fondamentaux de simulation
stochastique. Il montre comment les implémenter sous R et donne les clés
d'une meilleure compréhension des méthodes exposées en vue de leur
comparaison, sans s'attarder trop longuement sur leur justification théorique.
Les auteurs présentent les algorithmes de base pour la génération de données
aléatoires, les techniques de Monte-Carlo pour l'intégration et l'optimisation,
les diagnostics de convergence, les chaînes de Markov, les algorithmes
adaptatifs, les algorithmes de Metropolis- Hastings et de Gibbs. Tous les
chapitres incluent des exercices. Les programmes R sont disponibles dans un
package spécifique. Le livre s'adresse à toute personne que la simulation
statistique intéresse et n'exige aucune connaissance préalable du langage R,
ni aucune expertise en statistique bayésienne, bien que nombre d'exercices
relèvent de ce champ précis. Cet ouvrage sera utile aux étudiants et aux
professionnels actifs dans les domaines de la statistique, des
télécommunications, de l'économétrie, de la finance et bien d'autres encore.

[4] Robert A. Muenchen and Joseph M. Hilbe. R for Stata Users. Statistics
and Computing. Springer, 2010. ISBN: 978-1-4419-1317-3. [ bib |
Discount Info | Publisher Info ]

This book shows you how to extend the power of Stata through the use of R. It
introduces R using Stata terminology with which you are already familiar. It
steps through more than 30 programs written in both languages, comparing
and contrasting the two packages' different approaches. When finished, you
will be able to use R in conjunction with Stata, or separately, to import data,
manage and transform it, create publication quality graphics, and perform
basic statistical analyses.

[5] Rob Kabacoff. R in Action. Manning, 2010. [ bib |


http://www.manning.com/kabacoff ]

R in Action is the first book to present both the R system and the use cases
that make it such a compelling package for business developers. The book
begins by introducing the R language, including the development environment.
As you work through various examples illustrating R's features, you'll also get
a crash course in practical statistics, including basic and advanced models for
normal and non- normal data, longitudinal and survival data, and a wide
variety of multivariate methods. Both data mining methodologies and
approaches to messy and incomplete data are included.

[6] Pierre-André Cornillon, Arnaud Guyader, François Husson, Nicolas


Jégou, Julie Josse, Maela Kloareg, Eric Matzner-Lober, and Laurent

2 of 5 02/19/2011 05:06 PM
R - Books http://www.r-project.org/doc/bib/R-books.html

Rouviere. Statistiques avec R. Didact Statistiques. Presses


Universitaires de Rennes, 2nd edition, 2010. ISBN: 978-2-7535-1087-6.
[ bib | Publisher Info | http://www.agrocampus-ouest.fr/math/livreR/ ]

Après seulement dix ans d'existence, le logiciel R est devenu un outil


incontournable de statistique et de visualisation de données tant dans le
monde universitaire que dans celui de l'entreprise. Ce développement
exceptionnel s'explique par ses trois principales qualités: il est gratuit, très
complet et en essor permanent. Ce livre s'articule en deux grandes parties : la
première est centrée sur le fonctionnement du logiciel R tandis que la seconde
met en oeuvre une vingtaine de méthodes statistiques au travers de fiches.
Ces fiches sont chacune basées sur un exemple concret et balayent un large
spectre de techniques classiques en traitement de données. Ce livre s'adresse
aux débutants comme aux utilisateurs réguliers de R. Il leur permettra de
réaliser rapidement des graphiques et des traitements statistiques simples ou
élaborés. Pour cette deuxième édition, le texte a été révisé et augmenté.
Certaines fiches ont été complétées, d'autres utilisent de nouveaux exemples.
Enfin des fiches ont été ajoutées ainsi que quelques nouveaux exercices.

[7] Pierre Lafaye de Micheaux, Rémy Drouilhet, and Benoît Liquet. Le


Logiciel R. Maîtriser le langage, effectuer des analyses statistiques.
Springer, Collection Statistiques et Probabilités appliquées, 1st edition,
2010. ISBN: 9782817801148. [ bib | http://www.biostatisticien.eu
/springeR ]

Ce livre est consacré à un outil désormais incontournable pour l'analyse de


données, l'élaboration de graphiques et le calcul statistique : le logiciel R.
Après avoir introduit les principaux concepts permettant une utilisation
sereine de cet environnement informatique (organisation des données,
importation et exportation, accès à la documentation, représentations
graphiques, programmation, maintenance, etc.), les auteurs de cet ouvrage
détaillent l'ensemble des manipulations permettant la manipulation avec R
d'un très grand nombre de méthodes et de notions statistiques : simulation de
variables aléatoires, intervalles de confiance, tests d'hypothèses, valeur-p,
bootstrap, régression linéaire, ANOVA (y compris répétées), et d'autres
encore. Écrit avec un grand souci de pédagogie et clarté, et agrémenté de
nombreux exercices et travaux pratiques, ce livre accompagnera idéalement
tous les utilisateurs de R - et cela sur les environnements Windows, Macintosh
ou Linux - qu'ils soient débutants ou d'un niveau avancé : étudiants,
enseignants ou chercheurs en statistique, mathématiques, médecine,
informatique, biologie, psychologie, sciences infirmières, etc. Il leur permettra
de maîtriser en profondeur le fonctionnement de ce logiciel. L'ouvrage sera
aussi utile aux utilisateurs plus confirmés qui retrouveront exposé ici
l'ensemble des fonctions R les plus couramment utilisées.

[8] Francois Husson, Sébastien Lê, and Jérôme Pagès. Exploratory


Multivariate Analysis by Example Using R. Computer Sciences and Data
Analysis. Chapman & Hall/CRC, 2010. ISBN: 978-1-4398-3580-7. [ bib |

3 of 5 02/19/2011 05:06 PM
R - Books http://www.r-project.org/doc/bib/R-books.html

Discount Info | Publisher Info | http://factominer.free.fr/book ]

Full of real-world case studies and practical advice, Exploratory Multivariate


Analysis by Example Using R focuses on four fundamental methods of
multivariate exploratory data analysis that are most suitable for applications.
It covers principal component analysis (PCA) when variables are quantitative,
correspondence analysis (CA) and multiple correspondence analysis (MCA)
when variables are categorical, and hierarchical cluster analysis. The authors
take a geometric point of view that provides a unified vision for exploring
multivariate data tables. Within this framework, they present the principles,
indicators, and ways of representing and visualizing objects that are common
to the exploratory methods. The authors show how to use categorical
variables in a PCA context in which variables are quantitative, how to handle
more than two categorical variables in a CA context in which there are
originally two variables, and how to add quantitative variables in an MCA
context in which variables are categorical. They also illustrate the methods
and the ways they can be exploited using examples from various fields.
Throughout the text, each result correlates with an R command accessible in
the FactoMineR package developed by the authors. All of the data sets and
code are available at http://factominer.free.fr/book. By using the theory,
examples, and software presented in this book, readers will be fully equipped
to tackle real-life multivariate data.

[9] David Ruppert. Statistics and Data Analysis for Financial Engineering.
Use R! Springer, 2010. ISBN: 978-1-4419-7786-1. [ bib | Discount Info |
Publisher Info ]

Financial engineers have access to enormous quantities of data but need


powerful methods for extracting quantitative information, particularly about
volatility and risks. Key features of this textbook are: illustration of concepts
with financial markets and economic data, R Labs with real-data exercises, and
integration of graphical and analytic methods for modeling and diagnosing
modeling errors. Despite some overlap with the author's undergraduate
textbook Statistics and Finance: An Introduction, this book differs from that
earlier volume in several important aspects: it is graduate-level; computations
and graphics are done in R; and many advanced topics are covered, for
example, multivariate distributions, copulas, Bayesian computations, VaR and
expected shortfall, and cointegration. The prerequisites are basic statistics
and probability, matrices and linear algebra, and calculus. Some exposure to
finance is helpful.

[10] Christian Robert and George Casella. Introducing Monte Carlo Methods
with R. Use R. Springer, 2010. ISBN: 978-1-4419-1575-7. [ bib |
Discount Info | Publisher Info ]

Computational techniques based on simulation have now become an essential


part of the statistician's toolbox. It is thus crucial to provide statisticians with
a practical understanding of those methods, and there is no better way to
develop intuition and skills for simulation than to use simulation to solve

4 of 5 02/19/2011 05:06 PM
R - Books http://www.r-project.org/doc/bib/R-books.html

statistical problems. Introducing Monte Carlo Methods with R covers the main
tools used in statistical simulation from a programmer's point of view,
explaining the R implementation of each simulation technique and providing
the output for better understanding and comparison. While this book
constitutes a comprehensive treatment of simulation methods, the theoretical
justification of those methods has been considerably reduced, compared with
Robert and Casella (2004). Similarly, the more exploratory and less stable
solutions are not covered here. This book does not require a preliminary
exposure to the R programming language or to Monte Carlo methods, nor an
advanced mathematical background. While many examples are set within a
Bayesian framework, advanced expertise in Bayesian statistics is not
required. The book covers basic random generation algorithms, Monte Carlo
techniques for integration and optimization, convergence diagnoses, Markov
chain Monte Carlo methods, including Metropolis-Hastings and Gibbs
algorithms, and adaptive algorithms. All chapters include exercises and all R
programs are available as an R package called mcsm. The book appeals to
anyone with a practical interest in simulation methods but no previous
exposure. It is meant to be useful for students and practitioners in areas such
as statistics, signal processing, communications engineering, control theory,
econometrics, finance and more. The programming parts are introduced
progressively to be accessible to any reader.

[11] Carlo Gaetan and Xavier Guyon. Spatial Statistics and Modeling.
Springer Series in Statistics. Springer, 2010. ISBN: 978-0-387-92256-0.
This file was| generated
[ bib by bibtex2html
Discount Info 1.95.
| Publisher Info ]

Spatial statistics are useful in subjects as diverse as climatology, ecology,


economics, environmental and earth sciences, epidemiology, image analysis
and more. This book covers the best-known spatial models for three types of
spatial data: geostatistical data (stationarity, intrinsic models, variograms,
spatial regression and space-time models), areal data (Gibbs-Markov fields
and spatial auto-regression) and point pattern data (Poisson, Cox, Gibbs and
Markov point processes). The level is relatively advanced, and the
presentation concise but complete. The most important statistical methods and
their asymptotic properties are described, including estimation in
geostatistics, autocorrelation and second-order statistics, maximum likelihood
methods, approximate inference using the pseudo-likelihood or Monte-Carlo
simulations, statistics for point processes and Bayesian hierarchical models. A
chapter is devoted to Markov Chain Monte Carlo simulation (Gibbs sampler,
Metropolis-Hastings algorithms and exact simulation). A large number of real
examples are studied with R, and each chapter ends with a set of theoretical
and applied exercises. While a foundation in probability and mathematical
statistics is assumed, three appendices introduce some necessary background.
The book is accessible to senior undergraduate students with a solid math
background and Ph.D. students in statistics. Furthermore, experienced
statisticians and researchers in the above-mentioned fields will find the book
valuable as a mathematically sound reference. This book is the English
translation of Modélisation et Statistique Spatiales published by Springer in
the series Mathématiques & Applications, a series established by Société de
Mathématiques Appliquées et Industrielles (SMAI).

[12] Andrew P. Robinson and Jeff D. Hamann. Forest Analytics with R. Use R!
5 of 5 02/19/2011 05:06 PM
Springer, 2010. ISBN: 978-1-4419-7761-8. [ bib | Discount Info |
Publisher Info ]

Vous aimerez peut-être aussi