顶部
收藏

统计学:从概念到数据分析


作者:
吴喜之
定价:
20.00元
ISBN:
978-7-04-023393-3
版面字数:
240.000千字
开本:
16开
全书页数:
196页
装帧形式:
平装
重点项目:
暂无
出版时间:
2008-06-15
读者对象:
高等教育
一级分类:
数学与统计学类
二级分类:
经管类专业数学基础课
三级分类:
统计学

本书主要介绍了概率基础、统计的基本概念、描述性统计、估计、假设检验、回归与分类等内容,同时介绍了决策树、神经网络和随机森林等组合方法以及如何用R、SPSS、SAS等软件来实现相应的计算目标。

本书着重直观讨论,尽量少用公式,避免数学推导,强调统计学的基本内容及应用,使读者能够完整、准确地理解统计学的概念,学会利用统计软件进行数据分析。

本书主要是为非统计学专业的学生和读者编写,读者不需要任何概率统计基础知识。

  • 第一章 引言
    • §1.1 什么是科学方法?
    • §1.2 统计是什么?
    • §1.3 学习统计需要的基础知识和技能
    • §1.4 习题
  • 第二章 变量和数据
    • §2.1 数据和变量概述
    • §2.2 概率和随机变量
    • §2.3 数据的收集
    • §2.4 个体、总体、样本和抽样
    • §2.5 附录
    • §2.6 习题
  • 第三章 描述统计学方法
    • §3.1 制表方法
    • §3.2 图描述方法
    • §3.3 用少量汇总数字的描述方法
    • §3.4 软件的使用
    • §3.5 习题
  • 第四章 变量的分布
    • §4.1 和定量变量有关的事件
    • §4.2 变量的分布
    • §4.3 离散型变量的分布
      • 4.3.1 二项分布
      • 4.3.2 多项分布
      • 4.3.3 超几何分布
      • 4.3.4 Poisson分布
    • §4.4 连续型变量的分布
      • 4.4.1 正态分布
      • 4.4.2 总体分位数和尾概率
      • 4.4.3 X2分布
      • 4.4.4 t分布
      • 4.4.5 F分布
      • 4.4.6 均匀分布
    • §4.5 用小概率事件进行判断
    • §4.6 抽样分布和中心极限定理
      • 4.6.1 样本函数的分布
      • 4.6.2 样本均值的性质和中心极限定理
    • §4.7 变换非正态数据,使其更加接近于正态假定
    • §4.8 统计量的一些常用函数
    • §4.9 软件的使用
    • §4.10 习题
  • 第五章 简单统计推断:对总体参数的估计
    • §5.1 点估计
    • §5.2 区间估计
      • 5.2.1 正态分布总体均值μ的区间估计
      • 5.2.2 两个独立正态分布总体均值差μ1-μ2的区间估计
      • 5.2.3 配对正态分布总体均值差μD=μ1-μ2的区间估计
      • 5.2.4 总体比例(Bernoulli试验成功概率)p的区间估计
      • 5.2.5 总体比例(Bernoulli试验成功概率)之差p1-p2的区间估计
    • §5.3 软件的使用
    • §5.4 习题
  • 第六章 简单统计推断:总体参数的假设检验
    • §6.1 假设检验的过程和逻辑
    • §6.2 正态总体均值的检验
      • 6.2.1 对一个正态总体均值μ的t检验
      • 6.2.2 对两个正态总体均值之差μ1-μ2的t检验
      • 6.2.3 配对正态分布总体均值差μD=μ1-μ2的t检验
    • §6.3 总体比例(Bernoulli试验成功概率)的检验
      • 6.3.1 一个总体比例p的检验
      • 6.3.2 两个总体比例之差p1-p2的检验
    • §6.4 关于中位数的非参数检验
      • 6.4.1 非参数检验简介
      • 6.4.2 单样本的关于总体中位数(或总体α分位数)的符号检验
      • 6.4.3 单样本的关于对称总体中位数(总体均值)的Wilcoxon符号秩检验
      • 6.4.4 两独立样本的比较总体中位数的Wilcoxon秩和检验
    • §6.5 软件的使用
    • §6.6 习题
  • 第七章 变量之间的关系
    • §7.1 定性变量之间的相关
      • 7.1.1 列联表
      • 7.1.2 两个定性变量相关性的χ2检验
    • §7.2 定量变量之间的相关
      • 7.2.1 定量变量之间关系的描述
      • 7.2.2 定量变量之间相关的概念
      • 7.2.3 Pearson线性相关系数及相关的检验
      • 7.2.4 Kendallτ相关系数
      • 7.2.5 Spearman秩相关系数
    • §7.3 软件的使用
    • §7.4 习题
  • 第八章 经典回归和分类
    • §8.1 回归和分类概述
      • 8.1.1 “黑匣子”说法
      • 8.1.2 试图破解“黑匣子”的实践
      • 8.1.3 回归和分类的区别
    • §8.2 线性回归模型
      • 8.2.1 因变量和自变量均为数量型变量的线性回归模型
      • 8.2.2 因变量是数量变量,而自变量包含分类变量的线性回归模型
    • §8.3 Logistic回归
    • §8.4 判别分析
    • §8.5 软件的使用
    • §8.6 习题
  • 第九章 现代回归和分类:数据挖掘所用的方法
    • §9.1 决策树:分类树和回归树
      • 9.1.1 分类树
      • 9.1.2 回归树
    • §9.2 组合方法:adaboost、bagging和随机森林
      • 9.2.1 为什么组合?
      • 9.2.2 Adaboost
      • 9.2.3 Bagging
      • 9.2.4 随机森林
    • §9.3 最近邻方法
    • §9.4 人工神经网络
    • §9.5 习题

相关图书