商务统计 第6版PDF电子书下载

第1章 如何进行数据收集 1

1.1 什么是商务统计？ 2

统计描述 2

图表 3

推断工具 4

估计 5

假设检验 5

1.2 数据收集工具 6

数据收集方法 6

试验 6

电话调研 7

邮件问卷及其他书面调研形式 9

直接观察和个人采访 10

其他数据收集方法 10

数据收集问题 11

1.3 总体样本及抽样技术 12

总体和样本 12

参数和统计量 13

抽样技术 13

非统计抽样 13

统计抽样 14

简单随机抽样 14

分层随机抽样 15

系统随机抽样 16

聚类抽样 17

1.4 数据类型及数据度量标准 18

定量和定性数据 18

时间序列数据和交叉数据 19

数据度量标准 19

名义数据 19

序列数据 20

区间数据 20

比率数据 21

结论和总结 23

第2章 图表——描述数据 25

2.1 频率分布和柱状图 26

频率分布 26

数据分类 29

数据分类步骤 30

柱状图 33

相对频率柱状图和累计频率图 35

联合频率分布 37

2.2 条形图，饼图，以及茎叶图 42

条形图 42

饼图 45

2.3 线图和散点图 47

线图 47

散点图 48

结论和总结 52

第3章 使用数值指标来描述数据 55

3.1 中心和位置的度量标准 56

参数和统计量 56

总体均值 56

样本均值 59

极端值对均值的影响 59

中位数 60

有偏分布和对称分布 60

模式 62

应用中心趋势度量标准 63

Excel的问题 64

其他的位置度量标准 65

加权均值 65

百分点 66

分位点 68

Excel的问题 68

盒图和须图 68

数据级别问题 70

3.2 变差的度量标准 73

范围 74

分位点交互范围 74

总体方差和标准差 76

样本方差和标准差 78

3.3 使用均值和标准差 82

变差系数 82

实证规则 83

切比雪夫理论 84

标准化数据 85

结论和总结 87

第4章 使用概率和概率分布 93

4.1 概率论基础 94

重要的概率术语 94

事件和样本空间 95

使用树图 96

互斥事件 97

独立和非独立事件 98

赋予概率的方法 99

古典概率测度 99

相对发生频率 100

主观概率测度 101

4.2 概率准则 103

测量概率 103

可能的值与总和 103

基本事件的加法规则 104

补充规则 105

两个事件的加法规则 105

互斥事件的加法规则 106

条件概率 107

树图 108

独立事件的条件概率 108

乘法规则 110

两个事件的乘法规则 110

独立事件的乘法规则 111

贝叶斯理论 112

4.3 概率分布导论 115

随机变量 115

用图表比较离散概率分布和连续概率分布 116

离散分布的均值和标准差 118

计算均值 118

计算标准差 118

两个离散随机变量 119

两个离散随机变量和的期望值 119

两个离散随机变量的协方差 120

两个离散随机变量的关联系数 121

结论和总结 122

第5章 离散概率分布和连续的概率分布 127

5.1 二项式概率分布 128

二项式分布 128

二项式分布的性质 129

联合 131

二项公式 131

使用二项式分布表 132

二项式分布的均值和标准差 133

二项式分布的均值 133

二项式分布的标准差 134

二项式分布的其他信息 136

5.2 其他离散式概率分布 137

泊松分布 137

泊松分布的性质 137

泊松分布表 138

泊松分布的均值和标准差 140

超几何分布 141

5.3 正态分布 144

正态分布 144

标准正态分布 145

使用正态分布表 147

近似正态分布曲线下的面积 151

5.4 其他连续概率分布 153

均匀分布 153

几何分布 154

结论和总结 157

第6章 抽样分布 161

6.1 抽样误差 162

计算抽样误差 162

样本大小对抽样误差的影响 165

6.2 均值抽样分布 167

模拟？的抽样分布 168

正态总体抽样 170

中心极限定理 174

6.3 局部抽样分布 180

局部问题 180

？的抽样分布 182

结论和总结 185

第7章 总体估计 189

7.1 总体均值的点估计和置信区间估计 190

点估计和置信区间 190

方差已知的总体均值置信区间估计 192

置信区间计算 193

置信水平对区间估计的影响 195

样本大小对区间估计的影响 197

方差未知的总体均值置信区间估计 198

学生t分布 198

大样本估计 202

7.2 确定总体均值估计的样本大小 204

方差已知情况下确定估计均值所需样本大小 205

方差未知情况下确定估计均值所需样本大小 206

7.3 局部样本的估计 207

总体的局部置信区间估计 208

确定估计局部所需样本大小 209

结论和总结 211

第8章 假设检验 215

8.1 均值的假设检验 216

公式化假设 216

零假设和备择假设 216

研究假设 217

统计错误类别 218

显著水平和关键值 219

均值和方差已知的大样本假设检验 220

计算关键值检验 220

决策规则和统计量检验 221

p值 223

假设检验的种类 224

双边检验的p值 225

方差未知的大样本均值假设检验 227

方差未知的小样本均值假设检验 227

大样本使用t分布进行检验 229

8.2 局部假设检验 232

总体单一局部的假设检验 232

8.3 第二类错误 235

计算Beta 236

控制Alpha和Beta 237

检验的力量 239

结论和总结 240

第9章 两组总体参数的估计和假设检验 245

9.1 两组总体的均值估计 246

已知两总体方差利用独立大样本估计两总体均值差 246

两总体方差未知利用独立大样本估计两总体均值差 248

两总体方差未知，利用独立小样本估计两总体均值差 248

如果两总体方差不等，会怎样？ 251

成对样本的区间估计 251

9.2 两组总体的均值差的估计 254

已知两总体方差利用独立大样本对两总体均值差做假设检验 255

利用p-值 256

两总体方差未知利用独立大样本对两总体均值差做假设检验 257

两总体方差未知利用独立小样本对两总体均值差做假设检验 257

如果两总体方差不等，会怎样？ 260

成对样本的区间估计 261

9.3 两组总体的局部估计和假设检验 264

估计两总体的局部的差 264

两总体的局部的假设检验 265

结论和总结 270

第10章 方差分析 275

10.1 单因子方差分析 276

单因子方差分析的逻辑 276

分割平方和 279

方差分析的假设 280

应用单因子方差分析 283

多重比较的Tukey-Kramer过程 287

10.2 随机完整模块的方差分析 293

随机完整模块的方差分析 293

模块化是必要的吗？ 296

10.3 两因子方差分析 301

两因子方差分析 301

交互解释 303

关于交互的警示 306

结论和总结 309

第11章 拟合度检验与列联表分析 313

11.1 拟合度检验导论 314

Chi-Square拟合度检验 314

11.2 列联表分析导论 320

2×2列联表 321

r×c列联表 323

Chi-Square检验的局限性 325

结论和总结 327

第12章 线形回归与相关分析 331

12.1 散点图和相关性 332

相关性与回归 333

相关系数 333

相关性的显著性检验 335

原因和效果的解释 338

12.2 一元线性回归分析 339

回归模型和假设条件 340

回归系数的意义 341

最小二乘回归的性质 344

回归分析的显著性检验 347

确定系数R2……355 347

斜率系数的显著性 349

12.3 应用线性回归分析 354

回归分析的描述 354

回归分析的预测 356

已知x，y的均值的置信区间 356

已知x，预测y的所属区间 357

残差分析 359

使用回归分析的常见问题 360

结论和总结 363

第13章 多元回归分析和模型建立 367

13.1 多元回归分析导论 368

建立模型的基本概念 371

规范模型 371

建立模型 372

诊断模型 372

计算回归方程 374

确定系数 376

模型显著吗？ 377

单个变量显著吗？ 378

回归模型的标准差太大？ 379

有多重共线性？ 381

回归系数的置信区间估计 383

13.2 使用定性的独立变量 386

对First City Appraisal模型的改进 388

13.3 非线性关系 390

分析交互作用 393

13.4 逐步回归 398

向前选择 398

标准的逐步选择 401

最优子集选择 402

13.5 确定模型的优劣 403

残差分析 403

检测线性假设 404

残差的方差是常数？ 406

残差独立？ 407

检测残差正态分布的假设 408

校正措施 410

结论和总结 411

第14章 时间序列数据的分析与预测 415

14.1 预测，时间序列数据和指数导论 416

一般的预测问题 416

时间序列的组成部分 417

趋势成分 419

季节 成分 420

循环成分 421

随机成分 421

指数简介 422

累计价格指数 423

加权累计价格指数 424

Paasche指数 424

Laspeyres指数 426

常用的指数 427

消费价格指数 427

生产价格指数 427

股票市场指数 428

应用指数紧缩时间序列 428

14.2 基于趋势的预测技术 430

建立基于趋势的预测模型 430

比较预测值和真实值 432

自相关 433

真实的预测 438

非线性趋势预测 439

一些警示 442

季节 调整 442

计算季节 指数 443

正态化指数的需求 446

去季节化 446

结论和总结 450