高等學校統計學類係列教材：統計學（從概念到數據分析） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

吳喜之 著

齣版社： 高等教育齣版社

ISBN：9787040233933

版次：1

商品編碼：10404607

包裝：平裝

開本：16開

齣版時間：2010-11-01

用紙：膠版紙

頁數：196

內容簡介

《高等學校統計學類係列教材：統計學（從概念到數據分析）》主要介紹瞭概率基礎、統計的基本概念、描述性統計、估計、假設檢驗、迴歸與分類等內容，同時介紹瞭決策樹、神經網絡和隨機森林等組閤方法以及如何用r、spss、sas等軟件來實現相應的計算目標。
《高等學校統計學類係列教材：統計學（從概念到數據分析）》著重直觀討論，盡量少用公式，避免數學推導，強調統計學的基本內容及應用，使讀者能夠完整、準確地理解統計學的概念，學會利用統計軟件進行數據分析。
《高等學校統計學類係列教材：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，讀者不需要任何概率統計基礎知識。

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 變量和數據
§2.1 數據和變量概述
§2.2 概率和隨機變量
§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 製錶方法
§3.2 圖描述方法
§3.3 用少量匯總數字的描述方法
§3.4 軟件的使用
§3.5 習題
第四章 變量的分布
§4.1 和定量變量有關的事件
§4.2 變量的分布
§4.3 離散型變量的分布
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 連續型變量的分布
4.4.1 正態分布
4.4.2 總體分位數和尾概率
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 用小概率事件進行判斷
§4.6 抽樣分布和中心極限定理
4.6.1樣本函數的分布
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數
§4.9 軟件的使用
§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 正態分布總體均值μ的區間估計
5.2.2 兩個獨立正態分布總體均值差μ1-μ2的區間估計
5.2.3 配對正態分布總體均值差μd=μ1-μ2的區間估計
5.2.4 總體比例（bernoulli試驗成功概率）p的區間估計
5.2.5 總體比例（bernoulli試驗成功概率）之差p1-p2的區間估計
§5.3 軟件的使用
§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 配對正態分布總體均值差μd=μ1-μ2的t檢驗
§6.3 總體比例（bernoulli試驗成功概率）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 軟件的使用
§6.6 習題
第七章 變量之間的關係
§7.1 定性變量之間的相關
7.1.1 列聯錶
7.1.2 兩個定性變量相關性的x2檢驗
§7.2 定量變量之間的相關
7.2.1 定量變量之間關係的描述
7.2.2 定量變量之間相關的概念
7.2.3 pearson綫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 軟件的使用
§7.4 習題
第八章 經典迴歸和分類
§8.1 迴歸和分類概述
8.1.1 “黑匣子”說法
8.1.2 試圖破解“黑匣子”的實踐
8.1.3 迴歸和分類的區彆
§8.2 綫性迴歸模型
8.2.1 因變量和自變量均為數量型變量的綫性迴歸模型
8.2.2 因變量是數量變量，而自變量包含分類變量的綫性迴歸模型
§8.3 logistic迴歸
§8.4 判彆分析
§8.5 軟件的使用
§8.6 習題
第九章 現代迴歸和分類：數據挖掘所用的方法
§9.1 決策樹：分類樹和迴歸樹
9.1.1 分類樹
9.1.2 迴歸樹
§9.2 組閤方法：adaboost、bagging和隨機森林
9.2.1 為什麼組閤？
9.2.2 adaboost
9.2.3 bagging
9.2.4 隨機森林
§9.3 最近鄰方法
§9.4 人工神經網絡
§9.5 習題

評分☆☆☆☆☆

4.3.1 二項分布

評分☆☆☆☆☆

物流很給力！

評分☆☆☆☆☆

§9.4 人工神經網絡

評分☆☆☆☆☆

§4.9 軟件的使用

評分☆☆☆☆☆

§3.5 習題

評分☆☆☆☆☆

§9.2 組閤方法：adaboost、bagging和隨機森林

評分☆☆☆☆☆

。。。

評分☆☆☆☆☆

物流很給力！

評分☆☆☆☆☆

9.1.1 分類樹