统计学(微课版)

第 1章　统计、数据与计算机　1

生活中的统计——第三次浪潮的华彩乐章　1

1.1　统计及其应用领域　1

1.1.1　什么是统计学　1

1.1.2　统计的应用　3

1.2　统计学中的几个基本概念　4

1.2.1　随机性与概率　4

1.2.2　变量与数据　5

1.2.3　总体与样本　6

1.3　统计学与计算机　7

小结　8

本书框架　9

重要概念　9

软件应用　10

习题　11

第　2章 数据的收集　12

生活中的统计——“打脸”民调的“逆袭”总统特朗普　12

2.1　数据收集的主要方法　12

2.1.1　数据的直接收集　13

2.1.2　数据的间接收集　13

2.2　几种基本的抽样方法　14

2.2.1　简单随机抽样　14

2.2.2　分层抽样　15

2.2.3　整群抽样　15

2.2.4　系统抽样　16

2.3　数据收集的误差　18

2.3.1　抽样误差　19

2.3.2　未响应误差　20

2.3.3　响应误差　20

小结　21

本章框架　22

重要概念　22

软件应用　23

习题　24

第3章　数据的图表展示　26

生活中的统计——淘宝网数据盛典　26

3.1　类别数据的图表展示　27

3.1.1　制作频数分布表　27

3.1.2　绘制图形　30

3.2　数值数据的图表展示　33

3.2.1　制作频数分布表　33

3.2.2　绘制图形　35

3.3　图表的合理使用　41

小结　42

本章框架　43

重要概念　43

软件应用　43

习题　45

第4章　数据的描述统计量　49

生活中的统计——谁是“真正”的莎士比亚　49

4.1〖DK〗　“位置”的度量　50

4.1.1　均值　50

4.1.2　分位数　51

4.1.3　众数　54

4.2　离散程度的度量　55

4.2.1　极差　56

4.2.2　四分位差　56

4.2.3　方差和标准差　57

4.2.4　离散系数　58

4.3　分布形状的度量　59

4.3.1　偏度系数　60

4.3.2　峰度系数　61

4.4　标准得分　61

小结　62

本章框架　63

重要概念　63

软件应用　64

习题　65

第5章　概率和概率分布　67

生活中的统计——汽车与山羊　67

5.1　概率的几种确定方法　68

5.1.1　等可能事件的概率　68

5.1.2　用频率逼近概率　68

5.1.3　主观概率　69

5.2　离散变量的概率分布　69

5.2.1　离散变量概率分布的一般形式和概括性度量　69

5.2.2　常见的离散型概率分布　71

5.3　连续变量的概率分布　73

5.3.1　连续变量的概率密度函数和概括性度量　73

5.3.2　常见的连续型概率分布　74

5.4　抽样分布　79

小结　79

本章框架　80

重要概念　80

软件应用　81

习题　83

第6章　参数估计　85

生活中的统计——有多少美国人买不起食物　85

6.1　参数估计的基本原理　86

6.1.1　估计量和估计值　86

6.1.2　点估计　86

6.1.3　区间估计　88

6.2　一个总体参数的区间估计　89

6.2.1　总体均值的区间估计　89

6.2.2　总体比例的区间估计　92

6.2.3　总体方差的区间估计　93

6.3　两个总体参数的区间估计　94

6.3.1　两个总体均值之差的区间估计　94

6.3.2　两个总体比例之差的区间估计　99

6.3.3　两个总体方差之比的区间估计　99

6.4　样本量的确定　100

6.4.1　估计总体均值时样本量的确定　100

6.4.2　估计总体比例时样本量的确定　102

小结　103

本章框架　103

重要概念　103

软件应用　104

习题　105

第7章　假设检验　109

生活中的统计——女士品茶　109

7.1　假设检验的基本原理　110

7.1.1　原假设和备择假设　110

7.1.2　两类错误和显著性水平　112

7.1.3　检验统计量和p－值　113

7.2　一个总体参数的检验　116

7.2.1　总体均值的检验　116

7.2.2　总体比例的检验　119

7.2.3　总体方差的检验　120

7.3　两个总体参数的检验　121

7.3.1　两个总体均值之差的检验　122

7.3.2　两个总体比例之差的检验　127

7.3.3　两个总体方差之比的检验　128

小结　130

本章框架　130

重要概念　131

软件应用　131

习题　132

第8章　方差分析　136

生活中的统计——智慧的农场主　136

8.1　方差分析的一般问题　137

8.1.1　基本概念　137

8.1.2　误差分解　138

8.1.3　基本假定　139

8.2　单因素方差分析　140

8.2.1　一般模型　140

8.2.2　效应检验　140

8.2.3　多重比较　143

8.3　双因素方差分析　145

8.3.1　一般模型　145

8.3.2　无重复双因素方差分析　145

8.3.3　可重复双因素方差分析　149

小结　152

本章框架　153

重要概念　153

软件应用　154

习题　155

第9章　相关和回归分析　159

生活中的统计——巧克力吃得越多，得诺贝尔奖概率越大　159

9.1　相关分析　160

9.1.1　函数关系与相关关系　160

9.1.2　相关关系的表现形式　160

9.1.3　相关系数　163

9.2　线性回归模型的建立和估计　165

9.2.1　线性回归模型的一般表达式　165

9.2.2　参数的*小二乘估计　166

9.3　拟合优度和显著性检验　168

9.3.1　拟合优度　169

9.3.2　显著性检验　171

9.4　多重共线性　176

9.5　利用回归方程进行预测　179

9.6　引入虚拟变量的回归分析　181

小结　184

本章框架　184

重要概念　185

软件应用　185

习题　187

参考文献　192