用R语言分析生命科学数据——Data Analysis for and Life Science
with R
作者：Rafael A. Lrizarry、Micheal I.Love
出版社：CRC Press
索书号：Q-332/I-68/2017/Y
ISBN：978-1-4987-7567-0
藏书地点：武大外教中心
R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。R可以看作贝尔实验室（AT&T BellLaboratories）的RickBecker，JohnChambers和AllanWilks开发的S语言的一种实现。当然,S语言也是S-Plus的基础。所以,两者在程序语法上可以说是几乎一样的,可能只是在函数方面有细微差别,程序十分容易地就能移植到一程序中,而很多一的程序只要稍加修改也能运用于R。
R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX,Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R还有以下特点：1.R是自由软件。这意味着它是完全免费,开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件身自身就带有许多模块和内嵌统计函数,安装好后可以直接实现许多常用的统计功能。2.R是一种可编程的语言。作为一个开放的统计编程环境,语法通俗易懂,很容易学会和掌握语言的语法。而且学会之后,我们可以编制自己的函数来扩展现有的语言。这也就是为什么它的更新速度比一般统计软件,如,SPSS,SAS等快得多。大多数最新的统计方法和技术都可以在R中直接得到。3. 所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时,它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中,随着新的统计分析方法的出现,标准安装文件中所包含的程序包也随着版本的更新而不断变化。在另外版安装文件中,已经包含的程序包有：base一R的基础模块、mle一极大似然估计模块、ts一时间序列分析模块、mva一多元统计分析模块、survival一生存分析模块等等。4.R具有很强的互动性。除了图形输出是在另外的窗口处，它的输入输出窗口都是在同一个窗口进行的，输入语法中如果出现错误会马上在窗口口中得到提示,对以前输入过的命令有记忆功能,可以随时再现、编辑修改以满足用户的需要。输出的图形可以直接保存为JPG,BMP,PNG等图片格式,还可以直接保存为PDF文件。另外,和其他编程语言和数据库之间有很好的接口。5.如果加入R的帮助邮件列表一,每天都可能会收到几十份关于R的邮件资讯。可以和全球一流的统计计算方面的专家讨论各种问题,可以说是全世界最大、最前沿的统计学家思维的聚集地。R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。 R的语法是来自Scheme。R的使用与S-PLUS有很多类似之处，这两种语言有一定的兼容性。S-PLUS的使用手册，只要稍加修改就可作为R的使用手册。所以有人说：R，是S-PLUS的一个“克隆”。
代数式包括有理式（整式，分式）和无理式。在线性代数中用矩阵（向量）代替代数式中的实数，得到的代数式称为矩阵代数式。矩阵代数式遵守代数式的规律，同时具备特殊规律。根据矩阵的性质，矩阵代数式的使用范围不同。例如相似矩阵代数式只能在相似矩阵之间使用。对等价，相似，合同矩阵代数式，加单位矩阵（或者常量矩阵），不改变矩阵性质，等式仍然成立。矩阵等式“除法”用两端乘以逆矩阵实现，要求矩阵（因式）可逆。
线性模型是一类统计模型的总称，制作方法是用一定的流程将各个环节连接起来，包括线性回归模型、方差分析模型，应用于生物、医学、经济、管理。一般线性模型或多元回归模型是一个统计线性模型。公式为：
其中Y是具有一系列多变量测量的矩阵（每列是一个因变量的测量集合），X是独立变量的观察矩阵，其可以是设计矩阵（每列是关于一个自变量），B是包含通常要被估计的参数的矩阵，并且U是包含误差（噪声）的矩阵。错误通常被认为是不相关的测量，并遵循多元正态分布。如果错误不遵循多元正态分布，广义线性模型可以用来放松关于Y和U的假设。一般线性模型包含了许多不同的统计模型：ANOVA，ANCOVA，MANOVA，MANCOVA，普通线性回归，t检验和F检验。一般线性模型是多元线性回归模型对多个因变量情况的推广。如果Y，B和U是列向量，则上面的矩阵方程将表示多重线性回归。用一般线性模型进行的假设检验可以用两种方法进行：多变量或多个独立的单变量检验。在多元测试中，Y的列被一起测试，而在单变量测试中，Y的列被独立地测试，即具有相同设计矩阵的多个单变量测试。
《用R语言分析生命科学数据》一书于2017年由CRC Press出版社出版，作者是Rafael A. Lrizarry、Micheal I.Love。
《用R语言分析生命科学数据》一书是生物统计学领域的专业书籍，内容包括：起始、上下文推理、探索的数据分析、矩阵代数、线性模型、高维数据的推理、统计模型、距离和维度的减少、基本学习机器和批量处理的影响。
《用R语言分析生命科学数据》一书观点新颖独到，内容饱满详实、语言浅显易懂，除此之外，还包括一些其他的特点：
1、本书详尽地介绍了R语言的知识，并使其为生命科学服务。从统计学方面探讨生命科学数据。使生物学专业或非专业人员都能直观更好地看待生物学数据。
2、索引文献丰富，证明了这本书的知识性，真实性。而且，这些索引文献绝大部分都是最新研究，这就是这本书与世界最新研究同步，让读者全面了解该领域的前沿进展。
3、本书还具有很强的专业性，让我们在短时间内了解更全面，更专业的资料。
4、本书最鲜明的特点就是，图片生动形象，语言浅显易懂。语言介绍的同时，附上可以说明问题的图片，本来复杂枯燥的统计学知识变得简单易懂，增加了本书的趣味性，对于初学者有很大的帮助。
总的说来，《用R语言分析生命科学数据》一书为想要了解统计学的人员提供了清晰的导读路径，作为统计学领域的一本前沿研究书籍，是一本值得为想要涉足该领域的人员推荐的专业书籍。
本书目录
图片列表
感谢
介绍
1、 起始
2、 上下文推理
3、 探索的数据分析
4、 矩阵代数
5、 线性模型
6、 高维数据的推理
7、 统计模型
8、 距离和维度的减少
9、 基本学习机器
10、
批量处理的影响
索引