彭曉武、王家春、餘松林所著的《R軟件及其環境流行病學應用(附光盤)》為一部關於開源免費統計軟件R的專著，書中結合統計學原理的基本內容，介紹R軟件的功能及其應用實例，適合於初、中級讀者作為基礎教材和參考書使用。R軟件是一種免費軟件，具有強大的統計計算和繪圖功能，*初由新西蘭奧克蘭大學統計學繫的Robert Gentleman和Ross Ihaka編寫。其源代碼於1995年公布於眾。由於該軟件具有自編程序的功能，許多統計學者不斷添加自編的新程序，使其功能日益完善，受到全世界統計工作者的青睞。本書的目的在於介紹該統計軟件，為使用者提供一種新的軟件選擇。

第一篇 R基礎
第1章 緒論
1.1 R的起源和發展
1.2 R的功能和特點
1.3 R軟件的獲取與安裝
1.4 R工作基本原理
1.5 R在線幫助
1.6 獲取關於R和繫統的信息
第2章 R的數據操作
2.1 數的簡單運算
2.2 數學函數
2.3 向量
2.4 矩陣
2.5 數組
2.6 因子向量
2.7 隨機序列
第3章 對像和數據框
3.1 對像的種類與屬性
3.2 改變對像的屬性
3.3 對像的使用
第4章 R數據的生成、導入和導出
4.1 創建R數據集
4.2 從文件讀取數據
4.3 從其他應用軟件所產生的數據文件導入數據
4.4 存儲數據
4.5 在R中顯示數據
第5章 數據集的整理
5.1 數據集的檢查
5.2 數據集的修改
5.3 變量值的替換或取出數據子集
5.4 向量和矩陣的合並與刪除
第6章 R程序包
6.1 R程序包的種類
6.2 程序包的安裝
6.3 關於程序包操作的函數
6.4 程序包及其幫助
第7章 R函數
7.1 函數的調用與查詢
7.2 用戶自定義函數
7.3 幾種特殊的函數
7.4 泛型函數
第8章 R繪圖
8.1 管理繪圖
8.2 繪制圖形
8.3 繪圖參數與繪圖符號
8.4 幾種復雜圖形的繪制
第9章 控制流
9.1 if-條件語句
9.2 ifelse()函數
9.3 switch()函數
9.4 for()語句
9.5 while()語句
9.6 repeat語句
**0章 R編程實踐
10.1 一個非線性模型的編程
10.2 編寫一個兩獨立樣本，檢驗的R程序
10.3 獨立樣本2×2差異性檢驗的自定義函數
10.4 計算線性回歸參數估計值的程序
10.5 對三個不同種屬的鳥繪圖
10.6 編寫用Newton-Raphson迭代法求解非線性方程組的根的程序
10.7 用遞歸函數計算積分的程序
10.8 正態分布概率密度函數動畫程序
10.9 一個猜數字的小遊戲
10.10 程序的運行方式
第二篇 常用統計方法
**1章 定量變量的描述性統計
11.1 頻數分布
11.2 集中趨勢
11.3 離散趨勢
11.4 正態分布
11.5 醫學參考值的估計
**2章 分類變量的描述性統計
12.1 常用的比例指標及其意義
12.2 相對危險度與優勢比
12.3 率的標準化法
12.4 動態數列
12.5 比例指標應用時的注意事項
**3章 抽樣誤差、區間估計與假設檢驗
13.1 均數的抽樣誤差
13.2 均數的抽樣誤差的分布——t分布
13.3 總體均數的可信區間估計
13.4 方差的抽樣誤差與可信區間估計
13.5 率的抽樣誤差與可信區間估計
13.6 假設檢驗
**4章 x2檢驗
14.1 x2分布
14.2 擬合優度檢驗
14.3 獨立性檢驗
14.4 趨勢檢驗
14.5 多個四格表的聯合分析
14.6 四格表的費歇爾**概率檢驗
**5章 方差分析
15.1 單向方差分析
15.2 雙向方差分析
**6章 二項分布與泊松分布
16.1 二項分布的概念
16.2 二項分布的性質
16.3 二項分布的應用
16.4 泊松分布的概念
16.5 Poisson分布的性質
16.6 Poisson分布的應用
**7章 生存時間資料的非參數分析方法
17.1 生存時間資料的特點
17.2 小樣本生存率的Kaplan-Meier估計
17.3 大樣本生存率的壽命表法估計
17.4 生存曲線比較的假設檢驗
**8章 回歸與相關
18.1 直線回歸與相關
18.2 多元線性回歸與相關
**9章 Logistic回歸
19.1 Logistic回歸的模型結構
19.2 回歸參數的估計及其假設檢驗
19.3 回歸參數的解釋
19.4 回歸模型擬合情況的分析
19.5 應用Logistic回歸時值得注意的幾個問題
19.6 匹配設計資料的Logistic回歸
第20章 Cox比例風險模型
20.1 模型結構與參數估計
20.2 回歸模型的應用
20.3 風險函數和生存函數的估計
20.4 比例風險假設的檢驗
20.5 時依協變量
第三篇 時間序列分析方法
第21章 時間序列的特點
21.1 時間序列資料的組分
21.2 時間序列的自相關性
21.3 時間序列的平穩性概念
21.4 幾種基本的平穩時間序列模型
21.5 時間序列平穩性檢驗
第22章 時間序列的經典分析方法
22.1 經典組分分解法
22.2 線性回歸分析法
22.3 調和季節模型(harmonic seasonal models)
22.4 指數勻滑與Holt-Winters指數勻滑法
第23章 平穩時間序列分析
23.1 差分算子和後向移位算子
23.2 自回歸模型
23.3 移動平均模型
23.4 自回歸移動平均模型
23.5 平穩時間序列模型的配合
第24章 非平穩時間序列分析
24.1 非平穩時間序列的平穩化
24.2 ARIMA模型
24.3 ARIMA(p，d，g)模型的預報
第25章 季節非平穩時間序列模型
25.1 單純季節自回歸求和移動平均模型
25.2 復合性季節自回歸求和移動平均模型
第26章 帶輸入變量的時間序列模型
26.1 具有自相關殘差的回歸模型
26.2 干預模型
26.3 傳遞函數模型
第27章 廣義加性模型
27.1 廣義加性模型的結構
27.2 廣義加性模型配合的例子
第28章 不良健康效應的經濟損失分析
28.1 健康效應模型
28.2 經濟損失的估計
附表1 標準正態分布曲線下的面積
附表2 t界值表
附表3 卡方界值表
附表4 F分布的上側臨界值表(供方差分析用)
附表5 野界值表
附表6-1 百分率的可信區間
附表6-2 百分率的可信區間
附表6-3 百分率的可信區間
附表7 Poisson分布的可信區間
附表8 廠界值表(Peal.son相關繫數檢驗用)