Введение
Предлагаемое вниманию читателей учебное пособие рассчитано для студентов бакалавриата, проходящих подготовку по направлению «Прикладная информатика», которые как самостоятельно, так и под руководством преподавателя занимаются изучением методов проведения статистического анализа данных с помощью современных программных средств. В главах 1-2 настоящего пособия в краткой форме излагаются основные сведения из линейной алгебры и теории вероятностей, необходимые для адекватного понимания последующего материала. Главы 3-6 посвящены изложению методов статистического оценивания и проверки гипотез, метода главных компонент, а также основ регрессионного и кластерного анализа данных.
Материал первой и второй глав имеет справочный характер и сопровождается относительно простыми примерами, иллюстрирующими базовые свойства векторов, матриц и операций над ними, а также функций распределения и числовых характеристик случайных величин для некоторых, наиболее распространённых законов распределения.
Основной теоретический материал излагается в третьей, четвёртой, пятой, шестой главах и иллюстрируется более развёрнутыми примерами, ориентированными на практические задачи вычислительной статистики и методов статистического анализа данных. Завершается учебное пособие приложениями с описанием базовых сведений по установке и применению системы статистической обработки данных и программирования Я, а также с листингами примеров на языке В, оформленными с учётом возможности их самостоятельного применения.
Система статистической обработки данных и программирования Я возникла в 1993 году как свободная альтернатива системы Б-РШБ, которая в свою очередь являлась развитием языка Б, разработанного в конце 1970-х годов в компании Ве11 ЬаЬэ специально для решения задач прикладной статистики. Первая реализация Б была написана на языке FOR.TR.AN и работала под управлением операционной системы ОСОБ. Однако широкое распространение языка Б в университетской среде началось только в первой половине 1980-х годов, после его переноса на операционную систему ГГШХ. В настоящее время язык S продолжает своё развитие в составе коммерческого продукта S-PLUS, разработанного в 1988 году американской компанией Statistical Sciences, Inc. и на протяжении последних полутора десятилетий прочно входящего в число наиболее развитых систем статистической обработки данных.
Во второй половине 1993 года двое молодых учёных Росс Иейка (Ross Ihaka) и Роберт Джентльмен (Robert Gentleman), специализировавшихся в области вычислительной статистики, анонсировали свою новую разработку, которую назвали R [1]. По замыслу создателей, R должен был стать свободной реализацией языка S, отличающейся от своего прародителя легко расширяемой модульной архитектурой, при сохранении быстродействия, присущего программам на FORTRAN.
В первые годы проект R развивался достаточно медленно, но по мере накопления «критической численности» сообщества пользователей и поддерживаемых ими расширений R процесс развития ускорялся и в скором времени возникла распределенная система хранения и распространения библиотек к R, известная под аббревиатурой «CRAN» [2]. Основная идея организации такой системы состояла в том, что оперативное внедрение все новых и новых функций в монолитную программу требует непрерывных и хорошо скоординированных усилий многих десятков (а быть может и сотен) специалистов из самых разных областей. В то же время, достаточно качественную прикладную библиотеку, реализующую всего несколько функций, квалифицированный специалист вполне способен написать в одиночку за обозримый промежуток времени, а наличие обратной связи с другими специалистами, заинтересованными в данной разработке, позволяет осуществлять как оперативное тестирование уже написанного кода, так и внедрение новых функций.
В настоящее время реализации R существуют для трёх наиболее распространённых семейств операционных систем: GNU/Linux, Apple Mac OS и Microsoft Windows, а в распределённых хранилищах системы CRAN по состоянию на апрель 2014 года были доступны для свободной загрузки свыше 5400 библиотек расширения, ориентированных на специфические задачи обработки данных, возникающие в эконометрике и финансовом анализе, генетике и молекулярной биологии, экологии и геологии, медицине и фармацевтике и многих других прикладных областях. Значительная часть европейских и американских университетов в последние годы активно переходят к использованию R в учебной и научно-исследовательской деятельности вместо дорогостоящих коммерческих разработок.
