統(tǒng)計(jì)學(xué)

第1章數(shù)據(jù)與統(tǒng)計(jì)學(xué)
1.1統(tǒng)計(jì)學(xué)及其應(yīng)用
1.1.1什么是統(tǒng)計(jì)學(xué)
1.1.2統(tǒng)計(jì)學(xué)的應(yīng)用
1.2數(shù)據(jù)及其來源
1.2.1變量與數(shù)據(jù)
1.2.2數(shù)據(jù)的來源
本書圖解：統(tǒng)計(jì)方法分類與本書框架
軟件應(yīng)用
思考與練習(xí)
第2章用圖表展示數(shù)據(jù)
2.1類別數(shù)據(jù)的圖表展示
2.1.1用頻數(shù)分布表觀察類別數(shù)據(jù)
2.1.2用圖形展示類別數(shù)據(jù)
2.2數(shù)值型數(shù)據(jù)的圖表展示
2.2.1用頻數(shù)分布表觀察數(shù)據(jù)分布
2.2.2用圖形展示數(shù)值型數(shù)據(jù)
2.3使用圖表的注意事項(xiàng)
本章圖解：數(shù)據(jù)類型與圖表展示方法
軟件應(yīng)用
思考與練習(xí)
第3章用統(tǒng)計(jì)量描述數(shù)據(jù)
3.1水平的描述
3.1.1平均數(shù)
3.1.2中位數(shù)和分位數(shù)
3.1.3水平代表值的選擇
3.2差異的描述
3.2.1極差和四分位差
3.2.2方差和標(biāo)準(zhǔn)差
3.2.3變異系數(shù)
3.2.4標(biāo)準(zhǔn)得分
3.3分布形狀的描述
3.4數(shù)據(jù)的綜合描述
本章圖解：數(shù)據(jù)分布特征與描述統(tǒng)計(jì)量
軟件應(yīng)用
思考與練習(xí)
第4章隨機(jī)變量的概率分布
4.1什么是概率
4.2隨機(jī)變量的概率分布
4.2.1隨機(jī)變量及其概括性度量
4.2.2隨機(jī)變量的概率分布
4.2.3其他幾個(gè)重要的統(tǒng)計(jì)分布
4.3樣本統(tǒng)計(jì)量的概率分布
4.3.1統(tǒng)計(jì)量及其分布
4.3.2樣本均值的分布
4.3.3其他統(tǒng)計(jì)量的分布
4.3.4統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤差
本章圖解：隨機(jī)變量的概率分布
軟件應(yīng)用
思考與練習(xí)
第5章參數(shù)估計(jì)
5.1參數(shù)估計(jì)的基本原理
5.1.1點(diǎn)估計(jì)與區(qū)間估計(jì)
5.1.2評價(jià)估計(jì)量的標(biāo)準(zhǔn)
5.2總體均值的區(qū)間估計(jì)
5.2.1一個(gè)總體均值的估計(jì)
5.2.2兩個(gè)總體均值之差的估計(jì)
5.3總體比例的區(qū)間估計(jì)
5.3.1一個(gè)總體比例的估計(jì)
5.3.2兩個(gè)總體比例之差的估計(jì)
5.4總體方差的區(qū)間估計(jì)
5.4.1一個(gè)總體方差的估計(jì)
5.4.2兩個(gè)總體方差比的估計(jì)
5.5樣本量的確定
5.5.1估計(jì)總體均值時(shí)樣本量的確定
5.5.2估計(jì)總體比例時(shí)樣本量的確定
本章圖解：參數(shù)估計(jì)所使用的分布
軟件應(yīng)用
思考與練習(xí)
第6章假設(shè)檢驗(yàn)
6.1假設(shè)檢驗(yàn)的基本原理
6.1.1怎樣提出假設(shè)
6.1.2怎樣做出決策
6.1.3怎樣表述決策結(jié)果
6.2總體均值的檢驗(yàn)
6.2.1一個(gè)總體均值的檢驗(yàn)
6.2.2兩個(gè)總體均值之差的檢驗(yàn)
6.3總體比例的檢驗(yàn)
6.3.1一個(gè)總體比例的檢驗(yàn)
6.3.2兩個(gè)總體比例之差的檢驗(yàn)
6.4總體方差的檢驗(yàn)
6.4.1一個(gè)總體方差的檢驗(yàn)
6.4.2兩個(gè)總體方差比的檢驗(yàn)
6.5總體分布的檢驗(yàn)
6.5.1正態(tài)性檢驗(yàn)的圖示法
6.5.2ShapiroWilk和KS正態(tài)性檢驗(yàn)
本章圖解：假設(shè)檢驗(yàn)的內(nèi)容框架
軟件應(yīng)用
思考與練習(xí)
第7章類別變量分析
7.1一個(gè)類別變量的擬合優(yōu)度檢驗(yàn)
7.1.1期望頻數(shù)相等
7.1.2期望頻數(shù)不等
7.2兩個(gè)類別變量的獨(dú)立性檢驗(yàn)
7.2.1列聯(lián)表與χ2獨(dú)立性檢驗(yàn)
7.2.2應(yīng)用χ2檢驗(yàn)的注意事項(xiàng)
7.3兩個(gè)類別變量的相關(guān)性度量
7.3.1φ系數(shù)和Cramers V系數(shù)
7.3.2列聯(lián)系數(shù)
本章圖解：類別變量分析方法
軟件應(yīng)用
思考與練習(xí)
第8章方差分析
8.1方差分析的基本原理
8.1.1什么是方差分析
8.1.2誤差分解
8.2單因子方差分析
8.2.1數(shù)學(xué)模型
8.2.2效應(yīng)檢驗(yàn)
8.2.3多重比較
8.3雙因子方差分析
8.3.1數(shù)學(xué)模型
8.3.2主效應(yīng)分析
8.3.3交互效應(yīng)分析
8.4方差分析的假定及其檢驗(yàn)
8.4.1正態(tài)性檢驗(yàn)
8.4.2方差齊性檢驗(yàn)
本章圖解：方差分析過程
軟件應(yīng)用
思考與練習(xí)
第9章一元線性回歸
9.1變量間的關(guān)系
9.1.1確定變量之間的關(guān)系
9.1.2相關(guān)關(guān)系的描述
9.1.3關(guān)系強(qiáng)度的度量
9.2一元線性回歸模型的估計(jì)和檢驗(yàn)
9.2.1一元線性回歸模型
9.2.2參數(shù)的最小二乘估計(jì)
9.2.3模型的擬合優(yōu)度
9.2.4模型的顯著性檢驗(yàn)
9.3利用回歸方程進(jìn)行預(yù)測
9.3.1平均值的置信區(qū)間
9.3.2個(gè)別值的預(yù)測區(qū)間
9.4回歸模型的診斷
9.4.1殘差與殘差圖
9.4.2檢驗(yàn)?zāi)Ｐ图俣?br />本章圖解：一元線性回歸的建模過程
軟件應(yīng)用
思考與練習(xí)
第10章多元線性回歸
10.1多元線性回歸模型
10.1.1回歸模型與回歸方程
10.1.2參數(shù)的最小二乘估計(jì)
10.2擬合優(yōu)度和顯著性檢驗(yàn)
10.2.1模型的擬合優(yōu)度
10.2.2模型的顯著性檢驗(yàn)
10.3多重共線性及其處理
10.3.1多重共線性及其識別
10.3.2變量選擇與逐步回歸
10.4相對重要性和模型比較
10.4.1自變量的相對重要性
10.4.2模型比較
10.5利用回歸方程進(jìn)行預(yù)測
10.6啞變量回歸
10.6.1在模型中引入啞變量
10.6.2含有一個(gè)啞變量的回歸
本章圖解：多元線性回歸的建模過程
軟件應(yīng)用
思考與練習(xí)
第11章時(shí)間序列預(yù)測
11.1時(shí)間序列的成分和預(yù)測方法
11.1.1時(shí)間序列的成分
11.1.2預(yù)測方法的選擇與評估
11.2平穩(wěn)序列的預(yù)測
11.3趨勢序列的預(yù)測
11.3.1線性趨勢預(yù)測
11.3.2非線性趨勢預(yù)測
11.4多成分序列的預(yù)測
11.4.1Winter指數(shù)平滑預(yù)測
11.4.2分解預(yù)測
本章圖解：時(shí)間序列預(yù)測的程序和方法
軟件應(yīng)用
思考與練習(xí)
第12章非參數(shù)檢驗(yàn)
12.1單樣本的檢驗(yàn)
12.1.1中位數(shù)的符號檢驗(yàn)
12.1.2Wilcoxon符號秩檢驗(yàn)
12.2兩個(gè)及兩個(gè)以上樣本的檢驗(yàn)
12.2.1兩個(gè)配對樣本的Wilcoxon符號秩檢驗(yàn)
12.2.2兩個(gè)獨(dú)立樣本的MannWhitney檢驗(yàn)
12.2.3k個(gè)獨(dú)立樣本的KruskalWallis檢驗(yàn)
12.3秩相關(guān)及其檢驗(yàn)
12.3.1Spearman秩相關(guān)及其檢驗(yàn)
12.3.2Kendall秩相關(guān)及其檢驗(yàn)
本章圖解：非參數(shù)檢驗(yàn)方法
軟件應(yīng)用
思考與練習(xí)
附錄：SPSS和R簡介
參考書目