统计学 第4版PDF电子书下载

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