商務(wù)與經(jīng)濟(jì)統(tǒng)計

內(nèi)容概要

　　本書是介紹統(tǒng)計學(xué)概念及其在商務(wù)與經(jīng)濟(jì)中應(yīng)用的經(jīng)典著作。它結(jié)合國際知名公司運(yùn)用統(tǒng)計知識的具體實例，全面介紹了常用的數(shù)據(jù)分析方法和統(tǒng)計方法，向讀者展示了統(tǒng)計學(xué)在商務(wù)與經(jīng)濟(jì)中的實用性。全書共有13章，涵蓋了統(tǒng)計學(xué)的所有基本知識。每章后面都附有適量的練習(xí)，并在書后的附錄中給出了部分練習(xí)的答案，可以幫助讀者更加深入地理解書中的內(nèi)容。
　　《經(jīng)濟(jì)教材譯叢：商務(wù)與經(jīng)濟(jì)統(tǒng)計（精要版·原書第6版）》適用于工商管理及其他相關(guān)專業(yè)的本科生、研究生、MBA、企業(yè)經(jīng)營管理者及相關(guān)領(lǐng)域研究人員。

書籍目錄

譯者序
作者簡介
前言
第1章 數(shù)據(jù)與統(tǒng)計
1.1 統(tǒng)計在商務(wù)和經(jīng)濟(jì)領(lǐng)域中的應(yīng)用
1.1.1 會計
1.1.2 金融
1.1.3 營銷
1.1.4 生產(chǎn)
1.1.5 經(jīng)濟(jì)
1.2 數(shù)據(jù)
1.2.1 個體、變量和觀察值
1.2.2 測量尺度
1.2.3 分類數(shù)據(jù)和數(shù)值型數(shù)據(jù)
1.2.4 截面數(shù)據(jù)和時間序列數(shù)據(jù)
1.3 數(shù)據(jù)來源
1.3.1 現(xiàn)有資源
1.3.2 統(tǒng)計研究
1.3.3 數(shù)據(jù)采集誤差
1.4 描述性統(tǒng)計
1.5 統(tǒng)計推斷
1.6 計算機(jī)與統(tǒng)計分析
1.7 數(shù)據(jù)挖掘
1.8 統(tǒng)計實踐中的道德準(zhǔn)則
總結(jié)
關(guān)鍵術(shù)語
補(bǔ)充練習(xí)
第2章 描述性統(tǒng)計：表格與圖形
2.1 分類數(shù)據(jù)的匯總
2.1.1 頻數(shù)分布
2.1.2 相對頻數(shù)分布和百分比頻數(shù)分布
2.1.3 條形圖和餅圖
2.2 數(shù)值型數(shù)據(jù)的匯總
2.2.1 頻數(shù)分布
2.2.2 相對頻數(shù)分布和百分比頻數(shù)分布
2.2.3 點圖
2.2.4 直方圖
2.2.5 累積分布
2.2.6 累積頻數(shù)分布曲線
2.3 探索性數(shù)據(jù)分析：莖葉圖
2.4 聯(lián)列表和散點圖
2.4.1 聯(lián)列表
2.4.2 散點圖和趨勢線
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例1Pelican商店
案例2電影行業(yè)
第3章 描述統(tǒng)計學(xué)：數(shù)值方法
3.1 位置指標(biāo)
3.1.1 平均數(shù)
3.1.2 中位數(shù)
3.1.3 眾數(shù)
3.1.4 百分位數(shù)
3.1.5 四分位數(shù)
3.2 變異指標(biāo)
3.2.1 極差
3.2.2 四分位距
3.2.3 方差
3.2.4 標(biāo)準(zhǔn)差
3.2.5 變異系數(shù)
3.3 分布形態(tài)、相對位置的度量以及異常值的檢測
3.3.1 分布形態(tài)
3.3.2 z?分?jǐn)?shù)
3.3.3 切比雪夫定理
3.3.4 經(jīng)驗法則
3.3.5 異常值的檢測
3.4 探索性數(shù)據(jù)分析
3.4.1 五數(shù)統(tǒng)計
3.4.2 箱形圖
3.5 兩個變量間關(guān)系的度量
3.5.1 協(xié)方差
3.5.2 協(xié)方差的解釋
3.5.3 相關(guān)系數(shù)
3.5.4 相關(guān)系數(shù)的解釋
3.6 加權(quán)平均數(shù)和分組數(shù)據(jù)的處理
3.6.1 加權(quán)平均數(shù)
3.6.2 分組數(shù)據(jù)
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例一Pelican商店
案例二電影行業(yè)
第4章 概率論簡介
4.1 試驗、計數(shù)原理和概率的計算
4.1.1 計數(shù)原理、組合、排列
4.1.2 概率的計算
4.1.3 KP&L公司項目的概率計算
4.2 事件及其概率
4.3 概率的一些基本性質(zhì)
4.3.1 事件的補(bǔ)
4.3.2 加法公式
4.4 條件概率
4.4.1 獨(dú)立事件
4.4.2 乘法公式
4.5 貝葉斯定理
4.6 表格法
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例漢密爾頓縣的法官們
第5章 離散型概率分布
5.1 隨機(jī)變量
5.1.1 離散型隨機(jī)變量
5.1.2 連續(xù)型隨機(jī)變量
5.2 離散型概率分布
5.3 期望和方差
5.3.1 期望
5.3.2 方差
5.4 二項分布
5.4.1 二項試驗
5.4.2 馬丁服裝店問題
5.4.3 二項分布表的使用
5.4.4 二項分布的期望和方差
5.5 泊松分布
5.5.1 一個時間段上的例子
5.5.2 一個與長度或距離有關(guān)的例子
5.6 超幾何分布
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
第6章 連續(xù)型概率分布
6.1 均勻分布
用面積度量概率
6.2 正態(tài)分布
6.2.1 正態(tài)曲線
6.2.2 標(biāo)準(zhǔn)正態(tài)分布
6.2.3 一般正態(tài)分布概率的計算
6.2.4 葛瑞爾輪胎公司的案例
6.3 二項分布的正態(tài)近似
6.4 指數(shù)分布
指數(shù)分布的概率計算
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
第7章 抽樣和抽樣分布
7.1 聯(lián)合電氣公司的抽樣問題
7.2 抽樣
7.2.1 從有限總體中抽樣
7.2.2 從無限總體中抽樣
7.3 點估計
實踐指導(dǎo)
7.4 抽樣分布簡介
7.5 x 的抽樣分布
7.5.1 x的數(shù)學(xué)期望
7.5.2 x的標(biāo)準(zhǔn)差
7.5.3 x的抽樣分布的形態(tài)
7.5.4 EAI問題中 x的抽樣分布
7.5.5 x的抽樣分布的實際值
7.5.6 樣本容量與x的抽樣分布的關(guān)系
7.6 p的抽樣分布
7.6.1 p的數(shù)學(xué)期望
7.6.2 p的標(biāo)準(zhǔn)差
7.6.3 p的抽樣分布的形態(tài)
7.6.4 p的抽樣分布的實際值
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
第8章 區(qū)間估計
8.1 總體均值的區(qū)間估計：σ已知的情形
8.1.1 邊際誤差和區(qū)間估計
8.1.2 實踐指導(dǎo)
8.2 總體均值的區(qū)間估計：σ未知的情形
8.2.1 邊際誤差和區(qū)間估計
8.2.2 實踐指導(dǎo)
8.2.3 利用小樣本
8.2.4 區(qū)間估計過程小結(jié)
8.3 樣本容量的確定
8.4 總體比率的區(qū)間估計
樣本容量的確定
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例一《職業(yè)青年》雜志
案例二海灣房地產(chǎn)公司
第9章 假設(shè)檢驗
9.1 原假設(shè)和備擇假設(shè)的建立
9.1.1 備擇假設(shè)：有待證實的假設(shè)
9.1.2 原假設(shè)：一個受質(zhì)疑的假設(shè)
9.1.3 關(guān)于原假設(shè)和備擇假設(shè)形式的小結(jié)
9.2 第一類錯誤和第二類錯誤
9.3 總體均值的檢驗：σ已知
9.3.1 單側(cè)(尾)檢驗
9.3.2 雙側(cè)檢驗
9.3.3 小結(jié)及實踐指導(dǎo)
9.3.4 區(qū)間估計與假設(shè)檢驗的關(guān)系
9.4 總體均值的檢驗：σ未知
9.4.1 單尾檢驗
9.4.2 雙尾檢驗
9.4.3 小結(jié)與實踐指導(dǎo)
9.5 總體比率的檢驗
小結(jié)
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例質(zhì)量聯(lián)盟有限公司
第10章 總體均值的比較、試驗設(shè)計及方差分析
10.1 兩總體均值差的統(tǒng)計推斷：σ1和σ2已知
10.1.1 μ1-μ2的區(qū)間估計
10.1.2 μ1-μ2的假設(shè)檢驗
10.1.3 實踐指導(dǎo)
10.2 兩總體均值之差的推斷：σ1和σ2未知
10.2.1 μ1-μ2的區(qū)間估計
10.2.2 μ1-μ2的假設(shè)檢驗
10.2.3 實踐指導(dǎo)
10.3 兩總體均值之差的推斷：配對樣本
10.4 實驗設(shè)計和方差分析簡介
10.4.1 數(shù)據(jù)收集
10.4.2 方差分析的假定
10.4.3 方差分析概述
10.5 方差分析和完全隨機(jī)化設(shè)計
10.5.1 總體方差的組間估計
10.5.2 總體方差的組內(nèi)估計
10.5.3 方差的不同估計的比較：F檢驗
10.5.4 方差分析表
10.5.5 方差分析的計算結(jié)果
10.5.6 檢驗k個總體均值的相等性：一項觀測性研究
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例一Par公司
案例二專業(yè)銷售人員的工資水平
第11章 比率的比較和獨(dú)立性檢驗
11.1 兩個總體比例之差的推斷
11.1.1 p1-p2的區(qū)間估計
11.1.2 關(guān)于p1-p2的假設(shè)檢驗
11.2 多項分布比例的假設(shè)檢驗問題
11.3 獨(dú)立性檢驗
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
第12章 簡單線性回歸
12.1 簡單線性回歸模型
12.1.1 回歸模型和回歸方程
12.1.2 估計的回歸方程
12.2 最小二乘估計
12.3 可決系數(shù)
相關(guān)系數(shù)
12.4 回歸模型的假定
12.5 顯著性檢驗
12.5.1 σ2的估計
12.5.2 t檢驗
12.5.3 β1的置信區(qū)間
12.5.4 F檢驗
12.5.5 對顯著性檢驗作解釋時的注意要點
12.6 用回歸方程的估計式進(jìn)行估計和預(yù)測
12.6.1 點估計
12.6.2 區(qū)間估計
12.6.3 y平均值的置信區(qū)間
12.6.4 y的個別值的預(yù)測區(qū)間
12.7 殘差分析：驗證模型的假定條件
12.7.1 關(guān)于自變量值x的殘差圖
12.7.2 關(guān)于預(yù)測值的殘差圖
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例一美國交通部
案例二校友捐贈
第13章 多元回歸
13.1 多元回歸模型
13.1.1 回歸模型和回歸方程
13.1.2 多元回歸方程的估計式
13.2 最小二乘估計
13.2.1 案例：巴特勒運(yùn)輸公司
13.2.2 關(guān)于回歸系數(shù)解釋的注釋
13.3 多重可決系數(shù)
13.4 回歸模型的假定
13.5 顯著性檢驗
13.5.1 F檢驗
13.5.2 t檢驗
13.6 用回歸方程的估計式進(jìn)行估計和預(yù)測
總結(jié)
關(guān)鍵術(shù)語
重要公式
補(bǔ)充練習(xí)
案例一消費(fèi)者行為調(diào)研公司
案例二校友捐贈
附錄A參考文獻(xiàn)
附錄B統(tǒng)計附表
附錄C求和符號
附錄D習(xí)題解答（部分）

章節(jié)摘錄

　　數(shù)據(jù)挖掘（data mining）技術(shù)就是從大量數(shù)據(jù)中獲得有利于決策的信息的一種方法。通過綜合使用統(tǒng)計學(xué)、數(shù)學(xué)和計算機(jī)的各種方法，分析人員從數(shù)據(jù)倉庫中"挖掘數(shù)據(jù)"，并把它轉(zhuǎn)化成有用的信息，故名數(shù)據(jù)挖掘。Kurt Thearling博士是這個領(lǐng)域中的帶頭人，他認(rèn)為數(shù)據(jù)挖掘是"從大型數(shù)據(jù)庫中自動提取出預(yù)測信息"。Kurt Thearling給出的定義有兩個關(guān)鍵詞，"自動"和"預(yù)測"。數(shù)據(jù)挖掘系統(tǒng)是使用自動程序從數(shù)據(jù)中提取信息的最有效的系統(tǒng)，它僅僅使用了最一般甚至是模糊查詢的方法?，F(xiàn)在，數(shù)據(jù)挖掘軟件已經(jīng)能夠從過去需要手動分析數(shù)據(jù)的狀態(tài)發(fā)展到能夠自動搜索出隱藏在數(shù)據(jù)背后的預(yù)測性信息。與諸如零售業(yè)、金融機(jī)構(gòu)和通信公司等目前所做的類似，數(shù)據(jù)挖掘技術(shù)最主要是被企業(yè)用于密切關(guān)注消費(fèi)者的動態(tài)。像亞馬遜公司和巴諾公司這樣的零售企業(yè)，數(shù)據(jù)挖掘已經(jīng)成功地幫助它們發(fā)現(xiàn)一種或多種相關(guān)聯(lián)的產(chǎn)品，這些產(chǎn)品都是消費(fèi)者在購買了某種商品后還很有可能購買的商品。這樣一來，當(dāng)一個顧客登錄公司的網(wǎng)站購買某種商品時，網(wǎng)站就會跳出一個頁面，上面推薦著這個顧客很有可能購買的另一種商品。在其他方面，數(shù)據(jù)挖掘可以識別出那些很有可能一次性消費(fèi)20美元以上的顧客。為了鼓勵他們在折扣優(yōu)惠到期之前進(jìn)行消費(fèi)，這些顧客就會被特別標(biāo)注出來，并會接收到專門的電子郵件或者直接提供折扣。數(shù)據(jù)挖掘是一項依賴于諸如多元回歸、Logistic回歸和相關(guān)分析等統(tǒng)計方法的技術(shù)，但是它將這些技術(shù)進(jìn)行了創(chuàng)造性的融合，而且計算機(jī)技術(shù)包括人工智能和機(jī)器學(xué)習(xí)，使得數(shù)據(jù)挖掘更加有效。為了使用由甲骨文（Oracle）、Teradata和SAS這樣的公司研發(fā)出的商業(yè)相關(guān)的數(shù)據(jù)挖掘軟件包，你必須投入大量的時間和金錢。本書中介紹到的有關(guān)統(tǒng)計的概念能幫助你理解數(shù)據(jù)挖掘軟件中用到的統(tǒng)計方法，并幫助你更好地理解這些統(tǒng)計信息。因為統(tǒng)計模型在數(shù)據(jù)挖掘的預(yù)測中扮演著重要的角色，統(tǒng)計學(xué)家們在處理統(tǒng)計模型中遇到的很多問題也同樣可以用數(shù)據(jù)挖掘解決。例如，任何統(tǒng)計研究都涉及模型的可靠性問題。找到一個適合對特定樣本的數(shù)據(jù)進(jìn)行統(tǒng)計的模型并不一定意味著它也適用于其他數(shù)據(jù)。一個常見的檢測模型可靠性的統(tǒng)計方法就是把樣本數(shù)據(jù)分成兩部分：訓(xùn)練數(shù)據(jù)集和檢驗數(shù)據(jù)集。如果用在訓(xùn)練數(shù)據(jù)集上的模型可以準(zhǔn)確地預(yù)測檢驗數(shù)據(jù)集中的數(shù)據(jù)，那么我們就認(rèn)為這個模型是可靠的。數(shù)據(jù)挖掘優(yōu)于傳統(tǒng)統(tǒng)計方法的一個方面是：面對極大量的數(shù)據(jù)時，數(shù)據(jù)挖掘軟件可以把數(shù)據(jù)劃分成兩個數(shù)據(jù)集，所以某個模型就可以通過訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)去檢驗其在另一個數(shù)據(jù)集上的可靠性。這樣一來，數(shù)據(jù)集的劃分使得數(shù)據(jù)挖掘可以創(chuàng)造模型并揭示彼此的關(guān)系，并很快就能檢驗出它們是否可以重復(fù)用在其他不同的數(shù)據(jù)上。另一方面，在應(yīng)用數(shù)據(jù)挖掘技術(shù)時，應(yīng)當(dāng)注意的是，當(dāng)我們有大量的數(shù)據(jù)時，可能會導(dǎo)致模型的過度擬合進(jìn)而混淆數(shù)據(jù)之間到底是存在的是相關(guān)關(guān)系還是因果關(guān)系。仔細(xì)理解數(shù)據(jù)挖掘得出的結(jié)果并多做檢驗?zāi)軒椭覀儽苊夥高@樣的錯誤。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    商務(wù)與經(jīng)濟(jì)統(tǒng)計 PDF格式下載

---