應(yīng)用統(tǒng)計(jì)學(xué)（第2版）

第1章 統(tǒng)計(jì)能為你做些什么？
1.1 統(tǒng)計(jì)無處不在
1.1.1 每個(gè)人都離不開統(tǒng)計(jì)
1.1.2 幾乎所有的領(lǐng)域都要用統(tǒng)計(jì)
1.2 統(tǒng)計(jì)研究什么？
1.3 統(tǒng)計(jì)能做什么和不能做什么？
1.3.1 統(tǒng)計(jì)幫助你分析數(shù)據(jù)
1.3.2 統(tǒng)計(jì)不能解決你的所有問題
1.3.3 統(tǒng)計(jì)的誤用與濫用
1.4 怎樣獲得數(shù)據(jù)？
1.4.1 變量與數(shù)據(jù)
1.4.2 怎樣得到一個(gè)樣本？
本章附錄
習(xí)題

第2章 用圖表和統(tǒng)計(jì)量看數(shù)據(jù)
2.1 用圖表描述數(shù)據(jù)
2.1.1 用圖表展示定性數(shù)據(jù)
2.1.2 用圖表展示定量數(shù)據(jù)
2.2 用統(tǒng)計(jì)量描述數(shù)據(jù)
2.2.1 用一個(gè)值概括一組數(shù)據(jù)
2.2.2 找出數(shù)據(jù)彼此之間的差別
2.2.3 數(shù)據(jù)分布的形狀
本章附錄
本章主要公式
習(xí)題

第3章 用概率分布描述隨機(jī)變量
3.1 度量事件發(fā)生的可能性
3.2 隨機(jī)變量的概率分布
3.2.1 隨機(jī)變量及其概括性度量
3.2.2 離散型概率分布
3.2.3 連續(xù)型概率分布
3.3 由正態(tài)分布導(dǎo)出的幾個(gè)重要分布
3.3.1 2分布
3.3.2 t分布
3.3.3 F分布
3.4 樣本統(tǒng)計(jì)量的抽樣分布
3.4.1 樣本均值的抽樣分布
3.4.2 其他統(tǒng)計(jì)量的抽樣分布
3.4.3 統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤差
本章附錄
本章主要公式
習(xí)題

第4章 用樣本推斷總體
4.1 怎樣進(jìn)行推斷？
4.1.1 用估計(jì)量估計(jì)總體參數(shù)
4.1.2 用什么方法進(jìn)行估計(jì)？
4.1.3 用什么樣的估計(jì)量去估計(jì)？
4.2 估計(jì)總體參數(shù)
4.2.1 總體均值的估計(jì)
4.2.2 總體比例的估計(jì)
4.2.3 總體方差的估計(jì)
4.3 檢驗(yàn)總體假設(shè)
4.3.1 怎樣提出假設(shè)？
4.3.2 依據(jù)什么作出決策？
4.3.3 總體均值的檢驗(yàn)
4.3.4 總體比例的檢驗(yàn)
4.3.5 總體方差的檢驗(yàn)
本章附錄
本章主要公式
習(xí)題

第5章 分類變量對(duì)數(shù)值變量的影響
5.1 方差分析解決什么問題？
5.1.1 比較均值是否相同
5.1.2 從誤差分析入手
5.1.3 在什么樣的前提下分析？
5.2 考慮一個(gè)分類變量的影響
5.2.1 只考慮一個(gè)因子
5.2.2 關(guān)系有多強(qiáng)？
5.3 考慮兩個(gè)分類變量的影響
5.3.1 不考慮交互作用
5.3.2 考慮交互作用
本章附錄
本章主要公式
習(xí)題

第6章 利用變量間的關(guān)系進(jìn)行預(yù)測(cè)
6.1 變量之間有什么樣的關(guān)系？
6.1.1 用散點(diǎn)圖描述變量間的關(guān)系
6.1.2 用相關(guān)系數(shù)度量關(guān)系強(qiáng)度
6.1.3 在總體中也存在這樣的關(guān)系嗎？
6.2 建立變量之間的數(shù)學(xué)表達(dá)式
6.2.1 涉及一個(gè)自變量的線性回歸
6.2.2 涉及多個(gè)自變量的線性回歸
6.3 擬合效果的度量和回歸檢驗(yàn)
6.3.1 回歸方程擬合得好嗎？
6.3.2 因變量與自變量之間有線性關(guān)系嗎？
6.4 所有自變量都有必要放進(jìn)模型中嗎？
6.4.1 自變量之間相關(guān)對(duì)模型有什么影響？
6.4.2 剔除不必要的自變量
6.4.3 模型有多好？
6.5 用自變量預(yù)測(cè)因變量
6.6 含有定性自變量的回歸
本章附錄
本章主要公式
習(xí)題

第7章 根據(jù)過去的模式預(yù)測(cè)未來
7.1 時(shí)間序列的組成要素
7.2 時(shí)間序列預(yù)測(cè)的程序
7.2.1 確定時(shí)間序列的成分
7.2.2 選擇預(yù)測(cè)方法并進(jìn)行評(píng)估
7.3 平滑法預(yù)測(cè)
7.4 趨勢(shì)模型預(yù)測(cè)
7.4.1 線性趨勢(shì)預(yù)測(cè)
7.4.2 非線性趨勢(shì)預(yù)測(cè)
7.5 多成分序列的預(yù)測(cè)
7.5.1 多元線性回歸預(yù)測(cè)
7.5.2 Winter指數(shù)平滑預(yù)測(cè)
7.5.3 分解預(yù)測(cè)
本章附錄
本章主要公式
習(xí)題

第8章 用少數(shù)變量代表多個(gè)變量
8.1 主成分分析
8.1.1 主成分分析的基本思想是什么？
8.1.2 如何選擇主成分？
8.1.3 怎樣解釋主成分？
8.2 因子分析
8.2.1 什么是因子分析？
8.2.2 怎樣解釋因子分析結(jié)果？
8.2.3 幾點(diǎn)說明
本章附錄
本章主要公式
習(xí)題

第9章 把對(duì)象分成不同的類別
9.1 聚類分析
9.1.1 按什么來聚類？
9.1.2 怎樣度量距離遠(yuǎn)近？
9.1.3 分層聚類法
9.1.4 K?均值聚類法
9.1.5 幾點(diǎn)說明
9.2 判別分析
9.2.1 判別分析有什么不同？
9.2.2 距離判別法
9.2.3 Fisher判別法
9.2.4 逐步判別法
本章附錄
本章主要公式
習(xí)題

第10章 不依賴于分布的檢驗(yàn)
10.1 關(guān)于非參數(shù)檢驗(yàn)
10.1.1 什么時(shí)候選擇非參數(shù)檢驗(yàn)？
10.1.2 預(yù)備知識(shí)
10.2 單樣本的非參數(shù)檢驗(yàn)
10.2.1 符號(hào)檢驗(yàn)
10.2.2 Wilcoxon符號(hào)秩檢驗(yàn)
10.3 兩樣本的非參數(shù)檢驗(yàn)
10.3.1 兩獨(dú)立樣本的Wilcoxon（Mann?Whitney）秩和檢驗(yàn)
10.3.2 匹配樣本的中位數(shù)檢驗(yàn)
10.3.3 Spearman秩相關(guān)檢驗(yàn)
習(xí)題
附錄各章習(xí)題答案