Name: 统计学（第四版）
ISBN: 9787300112664

作者: 贾俊平 / 何晓群 / 金勇进
出版社: 中国人民大学出版社
出版年: 2009-11
ISBN: 9787300112664
页数: 453
装帧: 平装
定价: 33.00元

豆瓣评分

7.7

37人评价

5星

13.5%
4星

45.9%
3星

29.7%
2星

8.1%
1星

2.7%

评价:

内容简介 · · · · · ·

《普通高等教育"十一五"国家级规划教材•教育部推荐教材•国家统计局优秀教材•21世纪统计学系列教材•统计学(第4版)》内容简介：统计学是收集、分析、表述和解释数据的科学。作为数据分析的一种有效工具，统计方法已广泛应用于生产、生活和科学研究的各个领域，成为各学科领域研究者和实际工作者的必备知识。《普通高等教育"十一五"国家级规划教材•教育部推荐教材•国家统计局优秀教材•21世纪统计学系列教材•统计学(第4版)》作者多年从事统计教学，具有丰富的教材编写经验。《统计学》(第四版)是在第三版的基础上修改而成的，在保留第三版内容框架的基础上，删除了一些相对较难的内容，同时更加突出计算机的应用。

《普通高等教育"十一五"国家级规划教材•教育部推荐教材•国家统计局优秀教材•21世纪统计学系列教材•统计学(第4版)》可作为高等院校经济管理专业本科生统计学课程的教材，...

(展开全部)

作者简介 · · · · · ·

贾俊平，中国人民大学统计学院副教授。研究方向：统计方法在经济各领域的应用、统计教学方式和方法。主要著作有：《统计学》、《描述统计》、《工商管理统计》、《市场调查与分析》等。主持研究的“非统计学专业本科公共基础课——统计学教学改革”项目获2001年国家级教学成果二等奖、2001年北京市教学成果一等然。2001年荣获北京市经济技术创新标兵称号，2003年荣获宝纲优秀教师奖等。

目录 · · · · · ·

第1章导论 1.1 统计及其应用领域 1.2 统计数据的类型 1.3 统计中的几个基本概念思考与练习第2章数据的搜集 2.1 数据的来源 2.2 调查数据 2.3 实验数据 2.4 数据的误差思考与练习第3章数据的图表展示 3.1 数据的预处理 3.2 品质数据的整理与展示 3.3 数值型数据的整理与展示 3.4 合理使用图表思考与练习第4章数据的概括性度量 4.1 集中趋势的度量 4.2 离散程度的度量 4.3 偏态与峰态的度量思考与练习第5章概率与概率分布 5.1 随机事件及其概率 5.2 概率的性质与运算法则 5.3 离散型随机变量及其分布 5.4 连续型随机变量的概率分布思考与练习第6章统计量及其抽样分布 6.1 统计量 6.2 关于分布的几个概念 6.3 由正态分布导出的几个重要分布 6.4 样本均值的分布与中心极限定理 6.5 样本比例的抽样分布 6.6 两个样本平均值之差的分布 6.7 关于样本方差的分布思考与练习第7章参数估计 7.l 参数估计的基本原理 7.2 一个总体参数的区间估计 7.3 两个总体参数的区间估计 7.4 样本量的确定思考与练习第8章假设检验 8.1 假设检验的基本问题 8.2 一个总体参数的检验 8.3 两个总体参数的检验 8.4 检验问题的进一步说明思考与练习第9章列联分析 9.1 分类数据与列联表 9.2 y2检验 9.3 列联表中的相关测量 9.4 列联分析中应注意的问题思考与练习第10章方差分析 10.1 方差分析引论 10.2 单因素方差分析 10.3 双因素方差分析思考与练习第11章一元线性回归 11.1 变量间关系的度量 11.2 一元线性回归 11.3 利用回归方程进行预测 11.4 残差分析思考与练习第12章多元线性回归 12.1 多元线性回归模型 12.2 回归方程的拟合优度 12.3 显著性检验 12.4 多重共线性 12.5 利用回归方程进行预测 12.6 变量选择与逐步回归思考与练习第13章时间序列分析和预测 13.1 时间序列及其分解 13.2 时间序列的描述性分析 13.3 时间序列预测的程序 13.4 平稳序列的预测 13.5 趋势型序列的预测 13.6 复合型序列的分解预测思考与练习第14章指数 14.1 基本问题 14.2 总指数编制方法 14.3 指数体系 14.4 几种典型的指数 14.5 综合评价指数思考与练习附录一术语表附录二用Excel生成概率分布表参考文献

原文摘录 · · · · · · ( 全部 )

但什么样的概率才算小呢？著名的英国统计学家费希尔把小概率的标准定为 0.05 ，虽然费希尔并没有对为什么选择 0.05 给出充分的解释，但人们还是沿用了这个标准，把 0.05 或比 0.05 更小的概率看成小概率。 (查看原文)

帶菜刀的詩人 2019-07-06 00:17:25

—— 引自章节：假设检验的基本问题
P值的长处是它反映了观察到的实际数据与原假设之间不一致的概率值，与传统的拒绝域范围相比，P是一个具体的值，这样就提供了更多的信息。如果事先确定了显著性水平，如α＝0.05，则在双侧检验中，P＞0.025（α/2＝0.025）不能拒绝原假设；反之，P＜0.025则拒绝原假设。在单侧检验中，P＞0.05不能拒绝原假设，P＜0.05则拒绝原假设。当然，也可以直接使用P值进行决策，这时P值本身就代表了显著性水平。我们也可以使用P值，按照我们所需要的显著性水平进行判断和决策，具体做法就是用P值和需要的显著性水平进行比较。 (查看原文)

帶菜刀的詩人 2019-07-06 00:17:25

—— 引自章节：假设检验的基本问题