第 1章　統(tǒng)計、數(shù)據(jù)與計算機(jī)　1 生活中的統(tǒng)計——第三次浪潮的華彩樂章　1 1.1　統(tǒng)計及其應(yīng)用領(lǐng)域　1 1.1.1　什么是統(tǒng)計學(xué)　1 1.1.2　統(tǒng)計的應(yīng)用　3 1.2　統(tǒng)計學(xué)中的幾個基本概念　4 1.2.1　隨機(jī)性與概率　4 1.2.2　變量與數(shù)據(jù)　5 1.2.3　總體與樣本　6 1.3　統(tǒng)計學(xué)與計算機(jī)　7 小結(jié)　8 本書框架　9 重要概念　9 軟件應(yīng)用　10 習(xí)題　11 第　2章 數(shù)據(jù)的收集　12 生活中的統(tǒng)計——“打臉”民調(diào)的“逆襲”總統(tǒng)特朗普　12 2.1　數(shù)據(jù)收集的主要方法　12 2.1.1　數(shù)據(jù)的直接收集　13 2.1.2　數(shù)據(jù)的間接收集　13 2.2　幾種基本的抽樣方法　14 2.2.1　簡單隨機(jī)抽樣　14 2.2.2　分層抽樣　15 2.2.3　整群抽樣　15 2.2.4　系統(tǒng)抽樣　16 2.3　數(shù)據(jù)收集的誤差　18 2.3.1　抽樣誤差　19 2.3.2　未響應(yīng)誤差　20 2.3.3　響應(yīng)誤差　20 小結(jié)　21 本章框架　22 重要概念　22 軟件應(yīng)用　23 習(xí)題　24 第3章　數(shù)據(jù)的圖表展示　26 生活中的統(tǒng)計——淘寶網(wǎng)數(shù)據(jù)盛典　26 3.1　類別數(shù)據(jù)的圖表展示　27 3.1.1　制作頻數(shù)分布表　27 3.1.2　繪制圖形　30 3.2　數(shù)值數(shù)據(jù)的圖表展示　33 3.2.1　制作頻數(shù)分布表　33 3.2.2　繪制圖形　35 3.3　圖表的合理使用　41 小結(jié)　42 本章框架　43 重要概念　43 軟件應(yīng)用　43 習(xí)題　45 第4章　數(shù)據(jù)的描述統(tǒng)計量　49 生活中的統(tǒng)計——誰是“真正”的莎士比亞　49 4.1〖DK〗　“位置”的度量　50 4.1.1　均值　50 4.1.2　分位數(shù)　51 4.1.3　眾數(shù)　54 4.2　離散程度的度量　55 4.2.1　極差　56 4.2.2　四分位差　56 4.2.3　方差和標(biāo)準(zhǔn)差　57 4.2.4　離散系數(shù)　58 4.3　分布形狀的度量　59 4.3.1　偏度系數(shù)　60 4.3.2　峰度系數(shù)　61 4.4　標(biāo)準(zhǔn)得分　61 小結(jié)　62 本章框架　63 重要概念　63 軟件應(yīng)用　64 習(xí)題　65 第5章　概率和概率分布　67 生活中的統(tǒng)計——汽車與山羊　67 5.1　概率的幾種確定方法　68 5.1.1　等可能事件的概率　68 5.1.2　用頻率逼近概率　68 5.1.3　主觀概率　69 5.2　離散變量的概率分布　69 5.2.1　離散變量概率分布的一般形式和概括性度量　69 5.2.2　常見的離散型概率分布　71 5.3　連續(xù)變量的概率分布　73 5.3.1　連續(xù)變量的概率密度函數(shù)和概括性度量　73 5.3.2　常見的連續(xù)型概率分布　74 5.4　抽樣分布　79 小結(jié)　79 本章框架　80 重要概念　80 軟件應(yīng)用　81 習(xí)題　83 第6章　參數(shù)估計　85 生活中的統(tǒng)計——有多少美國人買不起食物　85 6.1　參數(shù)估計的基本原理　86 6.1.1　估計量和估計值　86 6.1.2　點(diǎn)估計　86 6.1.3　區(qū)間估計　88 6.2　一個總體參數(shù)的區(qū)間估計　89 6.2.1　總體均值的區(qū)間估計　89 6.2.2　總體比例的區(qū)間估計　92 6.2.3　總體方差的區(qū)間估計　93 6.3　兩個總體參數(shù)的區(qū)間估計　94 6.3.1　兩個總體均值之差的區(qū)間估計　94 6.3.2　兩個總體比例之差的區(qū)間估計　99 6.3.3　兩個總體方差之比的區(qū)間估計　99 6.4　樣本量的確定　100 6.4.1　估計總體均值時樣本量的確定　100 6.4.2　估計總體比例時樣本量的確定　102 小結(jié)　103 本章框架　103 重要概念　103 軟件應(yīng)用　104 習(xí)題　105 第7章　假設(shè)檢驗(yàn)　109 生活中的統(tǒng)計——女士品茶　109 7.1　假設(shè)檢驗(yàn)的基本原理　110 7.1.1　原假設(shè)和備擇假設(shè)　110 7.1.2　兩類錯誤和顯著性水平　112 7.1.3　檢驗(yàn)統(tǒng)計量和�玴��－值　113 7.2　一個總體參數(shù)的檢驗(yàn)　116 7.2.1　總體均值的檢驗(yàn)　116 7.2.2　總體比例的檢驗(yàn)　119 7.2.3　總體方差的檢驗(yàn)　120 7.3　兩個總體參數(shù)的檢驗(yàn)　121 7.3.1　兩個總體均值之差的檢驗(yàn)　122 7.3.2　兩個總體比例之差的檢驗(yàn)　127 7.3.3　兩個總體方差之比的檢驗(yàn)　128 小結(jié)　130 本章框架　130 重要概念　131 軟件應(yīng)用　131 習(xí)題　132 第8章　方差分析　136 生活中的統(tǒng)計——智慧的農(nóng)場主　136 8.1　方差分析的一般問題　137 8.1.1　基本概念　137 8.1.2　誤差分解　138 8.1.3　基本假定　139 8.2　單因素方差分析　140 8.2.1　一般模型　140 8.2.2　效應(yīng)檢驗(yàn)　140 8.2.3　多重比較　143 8.3　雙因素方差分析　145 8.3.1　一般模型　145 8.3.2　無重復(fù)雙因素方差分析　145 8.3.3　可重復(fù)雙因素方差分析　149 小結(jié)　152 本章框架　153 重要概念　153 軟件應(yīng)用　154 習(xí)題　155 第9章　相關(guān)和回歸分析　159 生活中的統(tǒng)計——巧克力吃得越多，得諾貝爾獎概率越大　159 9.1　相關(guān)分析　160 9.1.1　函數(shù)關(guān)系與相關(guān)關(guān)系　160 9.1.2　相關(guān)關(guān)系的表現(xiàn)形式　160 9.1.3　相關(guān)系數(shù)　163 9.2　線性回歸模型的建立和估計　165 9.2.1　線性回歸模型的一般表達(dá)式　165 9.2.2　參數(shù)的最小二乘估計　166 9.3　擬合優(yōu)度和顯著性檢驗(yàn)　168 9.3.1　擬合優(yōu)度　169 9.3.2　顯著性檢驗(yàn)　171 9.4　多重共線性　176 9.5　利用回歸方程進(jìn)行預(yù)測　179 9.6　引入虛擬變量的回歸分析　181 小結(jié)　184 本章框架　184 重要概念　185 軟件應(yīng)用　185 習(xí)題　187 參考文獻(xiàn)　192