R을 활용해 통계학의 핵심 내용을 다룬 세계적 베스트셀러를 번역한 책이다. 통계학의 기본 개념부터 모집단 비교, 회귀 분석, 분산 분석, 일반화 선형 모형, R의 활용 등 통계학에 대한 주제를 가장 이해하기 쉬운 방식으로 깊이 있고 논리적으로 설명해주고 있으며 자세하고 단계적인 예제로 실제 활용하는 데에도 도움을 준다. 통계학에 대한 기본 지식이 없는 독자들도 이 책을 통해 통계학의 개념적인 부분을 확실하고 명쾌하게 이해할 수 있을 것이다.

[목 차]

1장. 기본 사항
__모든 것은 서로 다르다
__유의성
__좋은 가설과 나쁜 가설
__귀무가설
__p 값
__해석
__모형 선택
__통계 모형
__최대 가능도
__실험 설계
__간결성의 원칙(오컴의 면도날)
__관찰, 이론, 실험
__통제 집단
__반복 시행
__얼마나 많은 반복 시행이 필요한가
__검정력
__무작위화
__강한 추론
__약한 추론
__얼마나 오래 진행해야 할까
__인위적 반복
__초기 조건
__직교 설계와 비직교 관찰 데이터
__에일리어싱
__다중 비교
__R에서의 통계 모형 요약
__작업의 조직화
__R 작업
__참고 문헌
__추가 참고 문헌

2장. 데이터 프레임
__데이터 프레임의 일부를 선택하기: 서브스크립트
__정렬
__데이터 프레임 요약
__설명 변수 기준의 요약
__제일 중요한 것을 제일 먼저 해야 한다
__관계
__연속형 변수들 사이에서의 상호작용
__다중 회귀에서의 그래픽
__범주형 변수에서의 상호작용
__추가 참고 문헌

3장. 중심 경향
__추가 참고 문헌
__
4장. 분산
__자유도
__분산
__분산: 실전 예제
__분산과 표본 크기
__분산의 사용
__비신뢰도의 측정
__신뢰구간
__부트스트랩
__이분산성
__추가 참고 문헌

5장. 하나의 표본
__하나의 표본에서 데이터 요약
__정규분포
__정규분포의 z 값을 이용한 계산
__하나의 표본에서 정규성 검정을 위한 플롯
__하나의 표본을 통한 추론
__하나의 표본에서 가설 검정을 위한 부트스트랩
__스튜던트 t 분포
__분포의 고차 모멘트
__왜도
__첨도
__참고 문헌
__추가 참고 문헌

6장. 두 표본
__두 분산의 비교
__두 평균의 비교
__스튜던트 t 검정
__윌콕슨 순위합 검정
__짝진 표본에 대한 검정
__이항 검정
__두 비율을 비교하기 위한 이항 검정
__카이제곱 분할표
__피셔의 정확 검정
__상관과 공분산
__상관과 변수 간 차이의 분산
__스케일에 따른 상관
__참고 문헌
__추가 참고 문헌

7장. 회귀 분석
__선형 회귀
__R에서의 선형 회귀
__선형 회귀에서의 계산
__회귀 분석의 제곱합 분할: SSY5SSR1SSE
__적합도의 측정, r2
__모형 검증
__변환
__다항 회귀
__비선형 회귀
__일반화 가법 모형
__영향력
__추가 참고 문헌

8장. 분산 분석
__일원 분산 분석
__간단한 공식
__효과 크기
__일원 분산 분석의 해석을 위한 그래프
__요인 실험
__인위적 반복: 내재 설계와 분할 구획
__분할 구획 실험
__임의 효과와 내재 설계
__고정 효과와 임의 효과 사이에서의 선택
__인위적 반복의 제거
__종단 자료의 분석
__파생 변수 분석
__인위적 반복에 대한 해법
__분산 성분 분석
__참고 문헌
__추가 참고 문헌

9장. 공분산 분석
__추가 참고 문헌

10장. 다중 회귀
__모형 단순화의 과정
__주의 사항
__제거의 순서
__다중 회귀의 시행
__실전 예제
__추가 참고 문헌

11장. 대비
__대비 계수
__R에서 시행한 대비의 예
__사전 대비
__처리 대비
__단계적 제거에 의한 모형 단순화
__대비 제곱합의 계산
__이외의 대비
__참고 문헌
__추가 참고 문헌

12장. 기타 반응 변수들
__일반화 선형 모형
__오차 구조
__선형 예측치
__적합 값
__변동성의 일반적 측정
__연결 함수
__정준 연결 함수
__모형 적합도 측정을 위한 아케이케 정보 척도
__추가 참고 문헌

13장. 카운트 데이터
__포아송 오차를 사용한 회귀
__카운트 데이터에서 편차 분석
__분할표의 위험
__카운트 데이터에서 공분산 분석
__빈도 분포
__추가 참고 문헌

14장. 비율 데이터
__하나 또는 두 개의 비율에 대한 데이터 분석
__비율의 평균
__비율에서의 카운트 데이터
__오즈
__과대 산포와 가설 검정
__적용
__이항 분포를 사용한 로지스틱 회귀
__범주형 설명 변수를 포함하는 비율 데이터
__이항 데이터를 이용한 공분산 분석
__추가 참고 문헌

15장. 바이너리 반응 변수
__발생률 함수
__바이너리 반응 변수를 이용한 공분산 분석
__추가 참고 문헌

16장. 사망과 실패 데이터
__중도절단을 포함한 생존 분석
__추가 참고 문헌

부록.__321
__R의 계산 기능
__R 내재 함수
__지수를 포함하는 숫자
__모듈로
__할당
__반올림
__무한대와 NaN
__결측 값
__연산자
__벡터의 생성
__벡터의 요소 이름
__벡터 함수
__벡터의 그룹에 따른 요약
__서브스크립트와 인덱스
__벡터와 논리 서브스크립트
__벡터에서의 위치
__음의 서브스크립트를 사용한 벡터의 일부 제거
__논리 연산
__반복
__요인 수준의 생성
__수열 생성
__행렬
__문자열
__R에서의 함수 작성
__단일 표본에 대한 산술평균 계산 함수
__단일 표본에 대한 중앙값 계산 함수
__루프와 반복
__ifelse 함수
__apply를 통한 함수의 적용
__동일성 검정
__R에서의 검정과 강제 변환
__R에서의 날짜와 시간
__날짜와 시간의 계산
__str을 이용한 R 객체 구조의 이해
__참고 문헌
__추가 참고 문헌

[본 문]

이 책은 수학과 통계학에 대한 배경지식이 별로 없는 학생들에게 통계적 분석의 핵심을 소개하기 위해 쓰였다. 대상 독자에는 생물학, 공학, 의학, 경제학을 전공하는 대학생들뿐만 아니라 통계학을 더 깊이 공부하고 강력한 언어인 R을 적극적으로 활용하려는 대학생 과정 이상의 모든 학생들이 포함된다.
많은 학생들에게 통계학은 그리 인기 있는 과목이 아니다. 일부 학생들은 자신이 계산에 매우 취약하다고 생각하므로 과목 선택에서 통계학을 제일 먼저 배제해버린다. 그러다가 통계학을 필수적으로 선택해야 하는 상황에 직면하면 매우 당황하게 된다. 통계학이 인기를 얻지 못하는 또 하나의 이유는 통계학을 가르치는 사람들에게서 찾을 수 있다. 비전공자들에게 통계학의 일부 내용들이 얼마나 어렵게 다가오는지 느끼지 못한 채 가르치는 경우가 종종 있으며, 이런 경우 대개 어떤 주제에 대한 이해와 해결 방법에 대한 고민 없이 일정한 틀에 맞춰 분석을 시행하도록 수업이 진행되기 쉽다.
이 책에서는 통계적 이론에 집중하는 대신, 다양한 통계 모형의 가정에 대해 깊이 있게 다루고 여러 관점에서 통계 모형을 평가하는 부분에 초점을 맞출 것이다. 최근 모형 단순화의 개념이 강조됨에 따라 데이터로부터의 효과 크기 추정과 신뢰구간 설정이 중요한 부분으로 자리잡고 있다. 상대적으로 α = 0.05와 같이 유의성(Significance)의 한계를 정하는 가설 검정의 역할은 약해지고 있다. 일단 책의 시작 단계에서는 독자들이 통계학과 수학에 대한 배경지식이 없다는 가정 아래 설명을 진행할 것이다. - 저자

우리의 일상생활에서는 매일 원하든 원치 않든 데이터들이 쉴 새 없이 생겨나고 있습니다. 또한 학문적 연구나 스포츠 분야 등에서도 전 세계에서 발생하는 많은 데이터들을 확인할 수 있습니다. 이런 데이터들을 올바른 방식으로 분석해 합당한 결론을 이끌어내고 한 걸음 더 나아가 미래의 현상을 예측하는 일련의 과정은 매우 큰 중요성과 영향력을 가지고 있습니다. 정확한 데이터 분석을 위해 반드시 갖춰야 할 요소 중 하나가 올바른 통계학적 기법의 적용이라고 생각합니다. 그러나 통계학은 복잡합니다. 개인적인 생각으로는 통계학이 어렵다고 표현하기보다는 복잡하다고 표현하는 것이 적절할 것 같습니다. 통계학이 복잡하다고 느껴지는 가장 큰 이유는 핵심적인 개념들을 객관적이면서 직관적으로 이해하고 그 바탕 위에 어떤 문제를 차근차근 풀어나가는 과정이 순차적으로 무리 없이 이뤄져야 하기 때문이라고 생각합니다. 핵심적인 개념들에 대한 이해라는 것은 어찌 보면 쉬울 듯하지만 가장 어려운 문제일 수도 있습니다. 특히 저처럼 통계학을 전공하지 않았을 뿐 아니라 체계적으로 배울 수 있는 기회가 별로 없는 대다수의 일반인들에게는 개념 확립의 어려움에 의한 무수한 시행착오가 당연히 뒤따르게 될 것입니다. 이런 시행착오를 조금이라도 줄이기 위해서는 정확한 개념 확립이 반드시 필요하다고 생각합니다.
이 책은 R과 통계학을 다룬 세계적인 베스트셀러입니다. 이 책을 번역하면서 선생님 한 분이 제 옆에서 직접 통계학에 대한 이런저런 내용들을 차근차근 설명해주고 있는 것 같다는 느낌을 자주 받았습니다. 또 한편으로는 통계학 입문서의 성격이 강하기는 하지만 꽤 깊이가 있다는 생각도 들었습니다. 이 책의 가장 큰 특징은 본질적인 개념에 대한 명쾌한 해설과 단계적인 적용 과정의 논리적 제시라고 생각합니다. 튼튼한 학문적 바탕 위에 논리 정연하게 실타래 풀어나가듯이 실제적인 분석 과정을 진행하는 과정이 매우 인상적으로 느껴졌으며, 통계학을 처음 접하는 독자들도 부담감 없이 이 책의 내용을 받아들일 수 있으리라 생각합니다. 또한 어느 정도 통계학에 대한 기본 지식을 가진 분들에게도 이전에 미처 깊게 생각해보지 못했던 부분들에 대해 다시 한 번 새로운 시각으로 바라보는 기회가 될 것이라 생각합니다.
통계학 공부를 위한 책을 선택할 때 그 책이 어느 정도의 범위까지 다루고 있는지는 아마도 많은 분들이 반드시 고려하고 고민하는 부분일 것입니다. 제 개인적인 생각으로는 개념적인 기초를 확립하고 앞으로의 심화 과정을 준비하기 위해서는 이 책에서 다루는 정도의 범위가 합당하리라 생각합니다. 개인적으로 깊은 관심을 가지고 있는 베이지안 데이터 분석이나 메타 분석 관련 책을 공부할 때 이 책에서 다루는 정도의 범위와 개념들 안에서 대부분의 응용이 가능하다는 느낌을 받았습니다. 이 점은 아마도 다른 분석 방법들을 공부하시는 분들께도 동일하게 적용되리라 생각합니다.
이 책을 보시는 모든 분들이 부담감 없이 통계학에 친숙해지시고 그 바탕 위에서 데이터 분석의 깊은 재미를 느끼시길 바랍니다. - 역자

★ 이 책에서 다루는 내용 ★

■ R을 활용한 통계 작업의 세밀한 부분까지 총정리
■ 현재의 R 버전 3에 맞춘 내용 업데이트
■ 핵심적 통계 기법들에 대한 상세한 설명
■ 선형 모형(회귀 분석, 분산 분석, 공분산 분석)과 일반화 선형 모형(카운트 데이터, 비율 데이터, 사망까지의 시간 데이터)에 대한 집중적 고찰
■ 실험 설계에 대한 깊이 있는 설명
■ 웹사이트를 통한 데이터 파일, 코드, 추가적인 문서 제공

★ 이 책의 대상 독자 ★

이 책의 대상 독자에는 의학, 공학, 경제학, 생물학을 전공하는 대학생들뿐만 아니라 대학원생들까지 모두 포함된다.

마이클 크롤리(Michael J. Crawley)
영국 런던 임페리얼 칼리지 실우드파크 캠퍼스에서 강의하고 있는 교수다. 영국왕립학회 회원(Fellow of the Royal Society)이며 R과 통계학 관련 베스트셀러인 『The R book』과 『Statistical Computing: An Introduction to Data Analysis Using S-Plus』의 저자기도 하다.
옮긴이 염현식
시험관아기시술 센터에서 난임 전문 산부인과 의사로 활동 중이다. 메타 분석을 포함한 통계 분석, 베이지안 데이터 분석, 그래픽스, 논문 작성 등에 관심이 많으며, 이런 분야에서 R을 적극적으로 사용하고 있다. 데이터 분석의 전반적인 과정을 수행하는 데 반드시 필요한 통계학적 기법들을 이해하기 쉽게 정리함으로써 통계학에 대한 기본 지식이 없는 독자들도 어려움 없이 데이터 분석을 진행할 수 있는 방법을 제시하기 위해 노력을 기울이고 있다. 에이콘출판사에서 출간한 『R을 활용한 바이오인포매틱스』(2014)를 번역했다.