統(tǒng)計(jì)學(xué)（第六版）

第1章 統(tǒng)計(jì)、數(shù)據(jù)和計(jì)算機(jī)
開(kāi)篇案例：怎樣理解這樣一些統(tǒng)計(jì)結(jié)論?
1．1 統(tǒng)計(jì)及其應(yīng)用領(lǐng)域
1．2 怎樣獲得統(tǒng)計(jì)數(shù)據(jù)
1．3 統(tǒng)計(jì)與計(jì)算機(jī)
本書圖解：統(tǒng)計(jì)方法分類與本書框架
第2章 用圖表展示數(shù)據(jù)
開(kāi)篇案例：用哪些圖形展示獎(jiǎng)牌?
2．1 用圖表展示定性數(shù)據(jù)
2．2 用圖表展示定量數(shù)據(jù)
2．3 合理使用圖表
本章圖解：數(shù)據(jù)類型與圖表展示方法
第3章 用統(tǒng)計(jì)量描述數(shù)據(jù)
開(kāi)篇案例：哪名運(yùn)動(dòng)員的發(fā)揮更穩(wěn)定?
3．1 水平的度量
3．2 差異的度量
3．3 分布形狀的度量
本章圖解：數(shù)據(jù)分布特征與描述統(tǒng)計(jì)量
第4章 概率分布
開(kāi)篇案例：神舟七號(hào)飛船遭遇空間碎片的概率有多大?
4．1 度量事件發(fā)生的可能性
4．2 隨機(jī)變量的概率分布
4．3 其他幾個(gè)重要的統(tǒng)計(jì)分布
4．4 樣本統(tǒng)計(jì)量的概率分布
第5章 參數(shù)估計(jì)
開(kāi)篇案例：大學(xué)生每周上網(wǎng)花多少時(shí)間?
5．1 參數(shù)估計(jì)的基本原理
5．2 一個(gè)總體參數(shù)的區(qū)間估計(jì)
5．3 兩個(gè)總體參數(shù)的區(qū)間估計(jì)
5．4 樣本量的確定
第6章 假設(shè)檢驗(yàn)
6．1 假設(shè)檢驗(yàn)的基本原理
6．2 一個(gè)總體參數(shù)的檢驗(yàn)
6．3 兩個(gè)總體參數(shù)的檢驗(yàn)
6．4 總體分布的檢驗(yàn)
第7章 類別變量的推斷
7．1 一個(gè)類別變量的擬合優(yōu)度檢驗(yàn)
7．2 兩個(gè)類別變量的獨(dú)立性檢驗(yàn)
7．3 兩個(gè)類別變量的相關(guān)性度量
第8章 方差分析與實(shí)驗(yàn)設(shè)計(jì)
開(kāi)篇案例：不同運(yùn)動(dòng)隊(duì)的平均成績(jī)之間是否有顯著差異?
8．1 方差分析的基本原理
8．2 單因素方差分析
8．3 雙因素方差分析
8．4 方差分析的假定及其檢驗(yàn)
8．5 實(shí)驗(yàn)設(shè)計(jì)初步
第9章 一元線性回歸
開(kāi)篇案例：子代與父代一樣嗎?
9．1 變量間的關(guān)系
9．2 一元線性回歸模型的估計(jì)和檢驗(yàn)
9．3 利用回歸方程進(jìn)行預(yù)測(cè)
9．4 用殘差檢驗(yàn)?zāi)Ｐ偷募俣?br />第10章 多元線性回歸
開(kāi)篇案例：身高受哪些因素影響?
10．1 多元線性回歸模型
10．2 擬合優(yōu)度和顯著性檢驗(yàn)
10．3 多重共線性及其處理
10．4 利用回歸方程進(jìn)行預(yù)測(cè)
10．5 啞變量回歸
第11章 時(shí)間序列預(yù)測(cè)
開(kāi)篇案例：下個(gè)月的消費(fèi)者信心指數(shù)是多少?
11．1 時(shí)間序列的成分和預(yù)測(cè)方法
11．2 平穩(wěn)序列的預(yù)測(cè)
11．3 趨勢(shì)預(yù)測(cè)
11．4 多成分序列的預(yù)測(cè)
11．5 Box-Jenkins方法：ARIMA模型
第12章 主成分分析和因子分析
開(kāi)篇案例：因子分析得到的是什么?
12．1 主成分分析
12．2 因子分析
第13章 聚類分析
開(kāi)篇案例：怎樣把消費(fèi)者分類?
13．1 聚類分析基本原理
13．2 層次聚類
13．3 K-均值聚類
第14章 非參數(shù)檢驗(yàn)
開(kāi)篇案例：不同商圈的報(bào)紙發(fā)行量是否有差異?
14．1 單樣本的檢驗(yàn)
14．2 兩個(gè)及兩個(gè)以上樣本的檢驗(yàn)
14．3 秩相關(guān)及其檢驗(yàn)
附錄 解讀指數(shù)
參考文獻(xiàn)