《統計學：從概念到數據分析》是2008年高等教育出版社出版的圖書，作者是吳喜之 。
基本介紹
- 書名：統計學：從概念到數據分析
- 作者：吳喜之
- ISBN：9787040233933
- 頁數：196頁
- 出版社：高等教育出版社
- 出版時間：2008年6月1日
- 裝幀：平裝
- 開本：16
內容簡介,圖書目錄,
內容簡介
《統計學:從概念到數據分析》主要介紹了機率基礎、統計的基本概念、描述性統計、估計、假設檢驗、回歸與分類等內容，同時介紹了決策樹、神經網路和隨機森林等組合方法以及如何用R、SPSS、SAS等軟體來實現相應的計算目標。
《統計學:從概念到數據分析》著重直觀討論，儘量少用公式，避免數學推導，強調統計學的基本內容及套用，使讀者能夠完整、準確地理解統計學的概念，學會利用統計軟體進行數據分析。
《統計學:從概念到數據分析》主要是為非統計學專業的學生和讀者編寫，讀者不需要任何機率統計基礎知識。
圖書目錄
第一章 引言
§1.1 什麼是科學方法？
§1.2 統計是什麼？
§1.3 學習統計需要的基礎知識和技能
§1.4 習題
第二章 變數和數據
§2.1 數據和變數概述
§2.2 機率和隨機變數
§2.3 數據的收集
§2.4 個體、總體、樣本和抽樣
§2.5 附錄
§2.6 習題
第三章 描述統計學方法
§3.1 制表方法
§3.2 圖描述方法
§3.3 用少量匯總數字的描述方法
§3.4 軟體的使用
§3.5 習題
第四章 變數的分布
§4.1 和定量變數有關的事件
§4.2 變數的分布
§4.3 離散型變數的分布
4.3.1 二項分布
4.3.2 多項分布
4.3.3 超幾何分布
4.3.4 Poisson分布
§4.4 連續型變數的分布
4.4.1 常態分配
4.4.2 總體分位數和尾機率
4.4.3 x2分布
4.4.4 t分布
4.4.5 F分布
4.4.6 均勻分布
§4.5 用小機率事件進行判斷
§4.6 抽樣分布和中心極限定理
4.6.1樣本函式的分布
4.6.2樣本均值的性質和中心極限定理
§4.7 變換非正態數據，使其更加接近於正態假定
§4.8 統計量的一些常用函式
§4.9 軟體的使用
§4.10 習題
第五章 簡單統計推斷:對總體參數的估計
§5.1 點估計
§5.2 區間估計
5.2.1 常態分配總體均值μ的區間估計
5.2.2 兩個獨立常態分配總體均值差μ1-μ2的區間估計
5.2.3 配對常態分配總體均值差μD=μ1-μ2的區間估計
5.2.4 總體比例(Bernoulli試驗成功機率)p的區間估計
5.2.5 總體比例(Bernoulli試驗成功機率)之差p1-p2的區間估計
§5.3 軟體的使用
§5.4 習題
第六章 簡單統計推斷:總體參數的假設檢驗
§6.1 假設檢驗的過程和邏輯
§6.2 正態總體均值的檢驗
6.2.1 對一個正態總體均值μ的t檢驗
6.2.2 對兩個正態總體均值之差μ1-μ2的t檢驗
6.2.3 配對常態分配總體均值差μD=μ1-μ2的t檢驗
§6.3 總體比例(Bernoulli試驗成功機率)的檢驗
6.3.1 一個總體比例p的檢驗
6.3.2 兩個總體比例之差p1-p2的檢驗
§6.4 關於中位數的非參數檢驗
6.4.1 非參數檢驗簡介
6.4.2 單樣本的關於總體中位數(或總體α分位數)的符號檢驗
6.4.3 單樣本的關於對稱總體中位數(總體均值)的Wilcoxon符號秩檢驗
6.4.4 兩獨立樣本的比較總體中位數的Wilcoxon秩和檢驗
§6.5 軟體的使用
§6.6 習題
第七章 變數之間的關係
§7.1 定性變數之間的相關
7.1.1 列聯表
7.1.2 兩個定性變數相關性的x2檢驗
§7.2 定量變數之間的相關
7.2.1 定量變數之間關係的描述
7.2.2 定量變數之間相關的概念
7.2.3 Pearson線性相關係數及相關的檢驗
7.2.4 Kendallτ相關係數
7.2.5 Spearman秩相關係數
§7.3 軟體的使用
§7.4 習題
第八章 經典回歸和分類
§8.1 回歸和分類概述
8.1.1 “黑匣子”說法
8.1.2 試圖破解“黑匣子”的實踐
8.1.3 回歸和分類的區別
§8.2 線性回歸模型
8.2.1 因變數和自變數均為數量型變數的線性回歸模型
8.2.2 因變數是數量變數，而自變數包含分類變數的線性回歸模型
§8.3 Logistic回歸
§8.4 判別分析
§8.5 軟體的使用
§8.6 習題
第九章 現代回歸和分類:數據挖掘所用的方法
§9.1 決策樹:分類樹和回歸樹
9.1.1 分類樹
9.1.2 回歸樹
§9.2 組合方法:adaboost、bagging和隨機森林
9.2.1 為什麼組合？
9.2.2 Adaboost
9.2.3 Bagging
9.2.4 隨機森林
§9.3 最近鄰方法
§9.4 人工神經網路
§9.5 習題
