第1章 统计、数据和统计思维 1
1.1 统计 3
1.2 商业中的统计应用类型 4
1.3 统计的基本要素 6
1.4 过程（选学） 11
1.5 数据类型 13
1.6 收集数据：抽样及相关问题 15
1.7 统计在决策管理中的作用 20
第2章 数据集的描述方法 28
2.1 定性数据的描述 30
2.2 描述定量数据的图形方法 41
2.3 集中趋势的数值测度 49
2.4 变异性的数值测度 55
2.5 利用均值和标准差描述数据 59
2.6 相对位置的数值测度 64
2.7 异常值的检测方法：箱线图和z得分 67
2.8 二元关系的图形描述（选学） 73
2.9 时间序列图（选学） 77
2.10 描述性方法对事实的扭曲 79
第3章 概率 90
3.1 事件、样本空间和概率 92
3.2 事件的并和交 102
3.3 互补事件 105
3.4 加法法则和互斥事件 107
3.5 条件概率 110
3.6 乘法法则和独立事件 113
3.7 贝叶斯定理 119
第4章 随机变量与概率分布 125
4.1 随机变量的两种类型 127
4.2 离散型随机变量的概率分布 129
4.3 二项分布 135
4.4 其他离散型分布：泊松分布和超几何分布 145
4.5 连续型随机变量的概率分布 151
4.6 正态分布 151
4.7 评价正态性的描述性方法 165
4.8 其他连续型分布：均匀分布和指数分布 168
第5章 抽样分布 177
5.1 抽样分布的概念 179
5.2 抽样分布的性质：无偏性和最小方差 184
5.3 样本均值的抽样分布与中心极限定理 188
5.4 样本比例的抽样分布 194
第6章 基于单样本的统计推断：置信区间的估计 201
6.1 确定与估计目标参数 203
6.2 总体均值的大样本置信区间：正态（z）统计量 204
6.3 总体均值的小样本置信区间：学生t统计量 209
6.4 总体比例的大样本置信区间 215
6.5 确定样本量 220
6.6 简单随机抽样的有限总体修正（选学） 224
6.7 总体方差的置信区间（选学） 225
第7章 基于单样本的统计推断：假设检验 232
7.1 假设检验的要素 233
7.2 设定假设与构造拒绝域 238
7.3 观测的显著性水平：p值 242
7.4 总体均值的假设检验：正态（z）统计量 245
7.5 总体均值的假设检验：学生t统计量 250
7.6 总体比例的大样本假设检验 253
7.7 总体方差的假设检验 257
7.8 计算犯第Ⅱ类错误的概率：更多关于β的信息（选学） 260
第8章 基于两样本的统计推断：置信区间和假设检验 268
8.1 确定目标参数 269
8.2 比较两个总体均值：独立抽样 270
8.3 比较两个总体均值：配对差异试验 281
8.4 比较两个总体比例：独立抽样 287
8.5 确定所需样本量 292
8.6 比较两个总体方差：独立抽样 294
第9章 试验设计和方差分析 306
9.1 试验设计基础 308
9.2 完全随机设计：单因素 312
9.3 均值的多重比较 325
9.4 随机区组设计 330
9.5 析因试验：双因素 338
第10章 分类数据的分析 354
10.1 分类数据和多项试验 356
10.2 分类概率的检验：单向表 357
10.3 对分类概率的检验：双向（列联）表 361
10.4 卡方检验中需要注意的地方 371
第11章 简单线性回归 378
11.1 概率模型 381
11.2 模型拟合：最小二乘法 383
11.3 模型假设 390
11.4 评价模型的有效性：对斜率β1的推断 393
11.5 相关系数和决定系数 397
11.6 利用模型进行估计和预测 404
11.7 一个完整的例子 409
第12章 多元线性回归和模型建立 416
12.1 多元回归模型 417
12.2 一阶模型：估计和解释参数 419
12.3 模型整体有效性评价 425
12.4 利用模型进行估计和预测 429
12.5 交互模型 433
12.6 二阶模型以及其他高阶模型 436
12.7 定性（虚拟）变量模型 442
12.8 包含定性变量和定量变量的模型 446
12.9 比较嵌套模型 451
12.10 逐步回归 455
12.11 残差分析：检验回归假设 461
12.12 一些陷阱：可估性、多重共线性与外推法 477
附录 对照表 489