统计学 第4版PDF|Epub|txt|kindle电子书版本网盘下载

统计学 第4版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 统计和统计数据1

1.1 统计及其应用领域2

1.1.1 统计学研究什么2

1.1.2 统计的应用3

1.2 怎样获得统计数据5

1.2.1 变量与数据5

1.2.2 数据的来源6

主要术语7

软件应用8

思考与练习9

第2章 用图表展示数据10

2.1 用图表展示定性数据11

2.1.1 生成频数分布表11

2.1.2 定性数据的图示14

2.2 用图表展示定量数据17

2.2.1 生成频数分布表17

2.2.2 定量数据的图示19

2.3 合理使用图表29

主要术语30

软件应用30

思考与练习32

第3章 用统计量描述数据35

3.1 水平的度量36

3.1.1 平均数36

3.1.2 中位数和分位数37

3.1.3 用哪个值代表一组数据39

3.2 差异的度量40

3.2.1 极差和四分位差40

3.2.2 方差和标准差40

3.2.3 比较几组数据的离散程度：离散系数43

3.3 分布形状的度量44

主要术语45

软件应用46

思考与练习46

第4章 概率分布49

4.1 度量事件发生的可能性50

4.2 随机变量的概率分布51

4.2.1 随机变量及其概括性度量51

4.2.2 离散型概率分布53

4.2.3 连续型概率分布55

4.3 其他几个重要的统计分布57

4.3.1 t分布58

4.3.2 x2分布58

4.3.3 F分布59

4.4 样本统计量的概率分布60

4.4.1 统计量及其分布60

4.4.2 样本均值的分布61

4.4.3 其他统计量的分布63

4.4.4 统计量的标准误差64

主要术语65

软件应用65

思考与练习67

第5章 参数估计69

5.1 参数估计的基本原理70

5.1.1 点估计与区间估计70

5.1.2 评价估计量的标准73

5.2 一个总体参数的区间估计75

5.2.1 总体均值的区间估计75

5.2.2 总体比例的区间估计77

5.2.3 总体方差的区间估计78

5.3 两个总体参数的区间估计79

5.3.1 两个总体均值之差的区间估计80

5.3.2 两个总体比例之差的区间估计84

5.3.3 两个总体方差比的区间估计85

5.4 样本量的确定86

5.4.1 估计总体均值时样本量的确定86

5.4.2 估计总体比例时样本量的确定88

主要术语89

软件应用89

思考与练习90

第6章 假设检验94

6.1 假设检验的基本原理95

6.1.1 怎样提出假设95

6.1.2 怎样作出决策97

6.1.3 怎样表述决策结果101

6.2 一个总体参数的检验102

6.2.1 总体均值的检验102

6.2.2 总体比例的检验106

6.2.3 总体方差的检验107

6.3 两个总体参数的检验108

6.3.1 两个总体均值之差的检验108

6.3.2 两个总体比例之差的检验112

6.3.3 两个总体方差比的检验114

主要术语115

软件应用116

思考与练习117

第7章 分类变量的推断121

7.1 一个分类变量的拟合优度检验122

7.1.1 期望频数相等122

7.1.2 期望频数不等124

7.2 两个分类变量的独立性检验125

7.2.1 列联表与x2独立性检验126

7.2.2 应用x2检验应注意的问题128

7.3 两个分类变量的相关性度量128

7.3.1 ？系数和Cramer's V系数128

7.3.2 列联系数129

主要术语129

软件应用130

思考与练习131

第8章 方差分析与实验设计133

8.1 方差分析的基本原理134

8.1.1 什么是方差分析134

8.1.2 误差分解135

8.1.3 方差分析的基本假定136

8.2 单因素方差分析137

8.2.1 数学模型137

8.2.2 效应检验138

8.2.3 多重比较142

8.3 双因素方差分析144

8.3.1 数学模型144

8.3.2 只考虑主效应145

8.3.3 考虑交互效应151

8.4 实验设计初步154

8.4.1 完全随机化设计154

8.4.2 随机化区组设计155

8.4.3 析因设计156

主要术语157

软件应用158

思考与练习160

第9章 一元线性回归163

9.1 变量间的关系164

9.1.1 变量间是什么样的关系164

9.1.2 用散点图描述相关关系165

9.1.3 用相关系数度量关系强度166

9.2 一元线性回归的估计和检验169

9.2.1 一元线性回归模型169

9.2.2 参数的最小二乘估计170

9.2.3 回归直线的拟合优度173

9.2.4 显著性检验175

9.3 利用回归方程进行预测177

9.3.1 平均值的置信区间177

9.3.2 个别值的预测区间178

9.4 用残差检验模型的假定180

9.4.1 检验方差齐性180

9.4.2 检验正态性182

主要术语183

软件应用184

思考与练习185

第10章 多元线性回归188

10.1 多元线性回归模型189

10.1.1 回归模型与回归方程189

10.1.2 参数的最小二乘估计191

10.2 拟合优度和显著性检验193

10.2.1 回归方程的拟合优度193

10.2.2 显著性检验194

10.3 多重共线性及其处理196

10.3.1 多重共线性及其识别196

10.3.2 变量选择与逐步回归198

10.4 利用回归方程进行预测201

10.5 哑变量回归202

10.5.1 在模型中引进哑变量202

10.5.2 含有一个哑变量的回归203

主要术语207

软件应用208

思考与练习209

第11章 时间序列预测212

11.1 时间序列的成分和预测方法213

11.1.1 时间序列的成分213

11.1.2 预测方法的选择与评估216

11.2 平稳序列的预测217

11.2.1 移动平均预测217

11.2.2 简单指数平滑预测217

11.3 趋势预测219

11.3.1 线性趋势预测219

11.3.2 非线性趋势预测222

11.3.3 残差自相关及其检验225

11.4 多成分序列的预测226

11.4.1 Winter指数平滑预测226

11.4.2 引入季节哑变量的多元回归预测229

11.4.3 分解预测231

11.5 Box-Jenkins方法：ARIMA模型234

11.5.1 自相关与自相关图234

11.5.2 Box-Jenkins方法的基本思想237

11.5.3 ARIMA模型的识别238

主要术语249

软件应用249

思考与练习251

第12章 主成分分析和因子分析254

12.1 主成分分析255

12.1.1 主成分分析的基本原理255

12.1.2 主成分分析的数学模型256

12.1.3 主成分分析的步骤257

12.2 因子分析261

12.2.1 因子分析的意义和数学模型261

12.2.2 因子分析的步骤262

12.2.3 因子分析的应用264

主要术语269

软件应用270

思考与练习271

第13章 聚类分析274

13.1 聚类分析基本原理275

13.1.1 什么是聚类分析275

13.1.2 相似性的度量276

13.2 层次聚类277

13.2.1 层次聚类的两种方式277

13.2.2 类间距离的计算方法278

13.2.3 层次聚类的应用278

13.3 K-均值聚类283

13.3.1 K-均值聚类的基本过程283

13.3.2 K-均值聚类的应用283

13.3.3 使用聚类方法的注意事项287

主要术语288

软件应用288

思考与练习289

第14章 非参数检验291

14.1 单样本的检验292

14.1.1 总体分布类型的检验292

14.1.2 中位数的符号检验295

14.1.3 Wilcoxon符号秩检验296

14.2 两个及两个以上样本的检验298

14.2.1 两个配对样本的Wilcoxon符号秩检验298

14.2.2 两个独立样本的Mann-Whitney检验300

14.2.3 k个独立样本的Kruskal-Wallis检验303

14.3 秩相关及其检验305

14.3.1 Spearman秩相关及其检验305

14.3.2 Kendall秩相关及其检验306

主要术语309

软件应用310

思考与练习311

附录 解读指数313

参考文献316