統(tǒng)計學

內(nèi)容概要

　　《高等學校統(tǒng)計學類系列教材：統(tǒng)計學（從概念到數(shù)據(jù)分析）》主要介紹了概率基礎、統(tǒng)計的基本概念、描述性統(tǒng)計、估計、假設檢驗、回歸與分類等內(nèi)容，同時介紹了決策樹、神經(jīng)網(wǎng)絡和隨機森林等組合方法以及如何用r、spss、sas等軟件來實現(xiàn)相應的計算目標?！　　陡叩葘W校統(tǒng)計學類系列教材：統(tǒng)計學（從概念到數(shù)據(jù)分析）》著重直觀討論，盡量少用公式，避免數(shù)學推導，強調(diào)統(tǒng)計學的基本內(nèi)容及應用，使讀者能夠完整、準確地理解統(tǒng)計學的概念，學會利用統(tǒng)計軟件進行數(shù)據(jù)分析?！　　陡叩葘W校統(tǒng)計學類系列教材：統(tǒng)計學（從概念到數(shù)據(jù)分析）》主要是為非統(tǒng)計學專業(yè)的學生和讀者編寫，讀者不需要任何概率統(tǒng)計基礎知識。

書籍目錄

第一章 引言§1.1 什么是科學方法？§1.2 統(tǒng)計是什么？§1.3 學習統(tǒng)計需要的基礎知識和技能§1.4 習題第二章 變量和數(shù)據(jù)§2.1 數(shù)據(jù)和變量概述§2.2 概率和隨機變量§2.3 數(shù)據(jù)的收集§2.4 個體、總體、樣本和抽樣§2.5 附錄§2.6 習題第三章 描述統(tǒng)計學方法§3.1 制表方法§3.2 圖描述方法§3.3 用少量匯總數(shù)字的描述方法§3.4 軟件的使用§3.5 習題第四章 變量的分布§4.1 和定量變量有關的事件§4.2 變量的分布§4.3 離散型變量的分布4.3.1 二項分布4.3.2 多項分布4.3.3 超幾何分布4.3.4 Poisson分布§4.4 連續(xù)型變量的分布4.4.1 正態(tài)分布4.4.2 總體分位數(shù)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 均勻分布§4.5 用小概率事件進行判斷§4.6 抽樣分布和中心極限定理4.6.1樣本函數(shù)的分布4.6.2樣本均值的性質(zhì)和中心極限定理§4.7 變換非正態(tài)數(shù)據(jù)，使其更加接近于正態(tài)假定§4.8 統(tǒng)計量的一些常用函數(shù)§4.9 軟件的使用§4.10 習題第五章 簡單統(tǒng)計推斷:對總體參數(shù)的估計§5.1 點估計§5.2 區(qū)間估計5.2.1 正態(tài)分布總體均值μ的區(qū)間估計5.2.2 兩個獨立正態(tài)分布總體均值差μ1-μ2的區(qū)間估計5.2.3 配對正態(tài)分布總體均值差μD=μ1-μ2的區(qū)間估計5.2.4 總體比例(Bernoulli試驗成功概率)p的區(qū)間估計5.2.5 總體比例(Bernoulli試驗成功概率)之差p1-p2的區(qū)間估計§5.3 軟件的使用§5.4 習題第六章 簡單統(tǒng)計推斷:總體參數(shù)的假設檢驗§6.1 假設檢驗的過程和邏輯§6.2 正態(tài)總體均值的檢驗6.2.1 對一個正態(tài)總體均值μ的t檢驗6.2.2 對兩個正態(tài)總體均值之差μ1-μ2的t檢驗6.2.3 配對正態(tài)分布總體均值差μD=μ1-μ2的t檢驗§6.3 總體比例(Bernoulli試驗成功概率)的檢驗6.3.1 一個總體比例p的檢驗6.3.2 兩個總體比例之差p1-p2的檢驗§6.4 關于中位數(shù)的非參數(shù)檢驗6.4.1 非參數(shù)檢驗簡介6.4.2 單樣本的關于總體中位數(shù)(或總體α分位數(shù))的符號檢驗6.4.3 單樣本的關于對稱總體中位數(shù)(總體均值)的Wilcoxon符號秩檢驗6.4.4 兩獨立樣本的比較總體中位數(shù)的Wilcoxon秩和檢驗§6.5 軟件的使用§6.6 習題第七章 變量之間的關系§7.1 定性變量之間的相關7.1.1 列聯(lián)表7.1.2 兩個定性變量相關性的x2檢驗§7.2 定量變量之間的相關7.2.1 定量變量之間關系的描述7.2.2 定量變量之間相關的概念7.2.3 Pearson線性相關系數(shù)及相關的檢驗7.2.4 Kendallτ相關系數(shù)7.2.5 Spearman秩相關系數(shù)§7.3 軟件的使用§7.4 習題第八章 經(jīng)典回歸和分類§8.1 回歸和分類概述8.1.1 “黑匣子”說法8.1.2 試圖破解“黑匣子”的實踐8.1.3 回歸和分類的區(qū)別§8.2 線性回歸模型8.2.1 因變量和自變量均為數(shù)量型變量的線性回歸模型8.2.2 因變量是數(shù)量變量，而自變量包含分類變量的線性回歸模型§8.3 Logistic回歸§8.4 判別分析§8.5 軟件的使用§8.6 習題第九章 現(xiàn)代回歸和分類:數(shù)據(jù)挖掘所用的方法§9.1 決策樹:分類樹和回歸樹9.1.1 分類樹9.1.2 回歸樹§9.2 組合方法:adaboost、bagging和隨機森林9.2.1 為什么組合？9.2.2 Adaboost9.2.3 Bagging9.2.4 隨機森林§9.3 最近鄰方法§9.4 人工神經(jīng)網(wǎng)絡§9.5 習題

章節(jié)摘錄

版權頁：插圖：金融，水產(chǎn)漁業(yè)研究，遺傳學，地理學，地質(zhì)學，歷史研究，人類遺傳學，水文學，工業(yè)，法律，語言學，文學，勞動力計劃，管理科學，市場營銷學，醫(yī)學診斷，氣象學，軍事科學，核材料安全管理，眼科學，制藥學，物理學，政治學，心理學，心理物理學，質(zhì)量控制，宗教研究，社會學，調(diào)查抽樣，分類學，氣象改善，博彩，等等。現(xiàn)在，任何領域的研究結(jié)果，如果沒有根據(jù)數(shù)據(jù)所作出的結(jié)論，是很難被認可的。目前，隨著科技的進步，我們面對著所謂的"信息爆炸"。在網(wǎng)絡、遙感、金融、電訊、地理、商業(yè)、旅游，軍事以及生物醫(yī)學等各個領域不斷產(chǎn)生大量的數(shù)據(jù)?，F(xiàn)在從各個領域中產(chǎn)生的數(shù)據(jù)量遠遠超過了人們分析和處理它們的能力。如何能夠把數(shù)據(jù)中的重要信息迅速有效地提取出來是非常重要的。數(shù)據(jù)挖掘、人工智能、機器學習等領域的出現(xiàn)對統(tǒng)計學、計算機科學及各個相關領域提出了更高的要求，帶來了機會和挑戰(zhàn)。那么，統(tǒng)計實踐的一個全過程究竟是由什么組成的呢？首先，做任何事情都需要有一個目標。比如一個企業(yè)想要知道他們的某項產(chǎn)品受歡迎的程度、市場占有率、知名度以及什么因素影響人們對該產(chǎn)品的看法等，需要做的第一件事就是收集數(shù)據(jù)，而收集什么樣的數(shù)據(jù)則是首先要關注的。至少，要了解多少人購買該產(chǎn)品或?qū)υ摦a(chǎn)品有興趣、人們?yōu)槭裁凑J可該產(chǎn)品以及這些人的文化程度、工作性質(zhì)、性別和年齡等特征。人們也許還需要了解競爭對手的各種信息。實際上，即使是有經(jīng)驗的人，也可能忽略一些需要調(diào)查的內(nèi)容。在確定調(diào)查內(nèi)容和所要提的問題之后，就要考慮如何設計問卷。問卷的設計對于調(diào)查結(jié)果至關重要，問卷的質(zhì)量直接影響調(diào)查的結(jié)果。一個不合格的問卷既浪費資源、又不會得到預期的結(jié)果。確定了問題，下面就要考慮如何收集數(shù)據(jù)了。比如，一個重要問題是在什么人群中調(diào)查，因為每一個產(chǎn)品都有其適應的人群。對缺水地區(qū)推銷洗衣機，對低收入階層推銷奢侈品都是荒唐的。在確定調(diào)查對象和范圍之后，還要確定調(diào)查多少人。調(diào)查人越多，結(jié)果就越可靠，但也更耗費資源。用什么方式調(diào)查也是必須確定的問題。如果用問卷調(diào)查，選擇面對面調(diào)查、電話調(diào)查、網(wǎng)上調(diào)查和郵寄問卷，可能會產(chǎn)生不同的結(jié)果。調(diào)查之后，就要從數(shù)據(jù)中找到規(guī)律。這些規(guī)律可能是由一些數(shù)學公式表示的模型，也可能是由一些算法所界定的。這些模型可能是已知的，也可能是改進的或者是根據(jù)數(shù)據(jù)新構(gòu)造的。根據(jù)這些模型，人們可以理解數(shù)據(jù)所表達的含義，也可以對未來進行預測。一般來說，統(tǒng)計過程大體上可以總結(jié)成下列步驟：1.明確目標，并根據(jù)目標確定需要收集的變量，也就是收集什么類型的數(shù)據(jù)。還要確定收集數(shù)據(jù)的方法。2.收集數(shù)據(jù)。3.選取或者改進已知的模型，或者基于數(shù)據(jù)構(gòu)造新的模型。這個建模步驟和前面步驟1、2中的收集數(shù)據(jù)的步驟可能要重復多次。

編輯推薦

《統(tǒng)計學:從概念到數(shù)據(jù)分析》是高等學校統(tǒng)計學類系列教材之一。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    統(tǒng)計學 PDF格式下載

---