关注微信

推荐商品

    加载中... 正在为您读取数据...
分享到:
  • 统计学(第4版)[平装]
  • 共1个商家     28.00元~28.00
  • 作者:贾俊平(作者)
  • 出版社:中国人民大学出版社;第4版(2011年6月1日)
  • 出版时间:
  • 版次 :
  • 印刷时间:
  • 包装:
  • ISBN:9787300137841

  • 商家报价
  • 简介
  • 评价
  • 加载中... 正在为您读取数据...
  • 商品描述

    编辑推荐

    《统计学(第4版)》是教育部经济管理类核心课程教材,普通高等教育“十一五”国家级规划教材之一。

    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奖。2001年荣获北京市经济技术创新标兵称号,2003年荣获宝钢优秀教师奖等。

    目录

    第1章 统计和统计数据
    1.1 统计及其应用领域
    1.1.1 统计学研究什么
    1.1.2 统计的应用
    1.2 怎样获得统计数据
    1.2.1 变量与数据
    1.2.2 数据的来源
    主要术语
    软件应用
    思考与练习

    第2章 用图表展示数据
    2.1 用图表展示定性数据
    2.1.1 生成频数分布表
    2.1.2 定性数据的图示
    2.2 用图表展示定量数据
    2.2.1 生成频数分布表
    2.2.2 定量数据的图示
    2.3 合理使用图表
    主要术语
    软件应用
    思考与练习

    第3章 用统计量描述数据
    3.1 水平的度量
    3.1.1 平均数
    3.1.2 中位数和分位数
    3.1.3 用哪个值代表一组数据
    3.2 差异的度量
    3.2.1 极差和四分位差
    3.2.2 方差和标准差
    3.2.3 比较几组数据的离散程度:离散系数
    3.3 分布形状的度量
    主要术语
    软件应用
    思考与练习

    第4章 概率分布
    4.1 度量事件发生的可能性
    4.2 随机变量的概率分布
    4.2.1 随机变量及其概括性度量
    4.2.2 离散型概率分布
    4.2.3 连续型概率分布
    4.3 其他几个重要的统计分布
    4.3.1 t分布
    4.3.2 x2分布
    4.3.3 F分布
    4.4 样本统计量的概率分布
    4.4.1 统计量及其分布
    4.4.2 样本均值的分布
    4.4.3 其他统计量的分布
    4.4.4 统计量的标准误差
    主要术语
    软件应用
    思考与练习

    第5章 参数估计
    5.1 参数估计的基本原理
    5.1.1 点估计与区间估计
    5.1.2 评价估计量的标准
    5.2 一个总体参数的区间估计
    5.2.1 总体均值的区间估计
    5.2.2 总体比例的区间估计
    5.2.3 总体方差的区间估计
    ……
    第6章 假设检验
    第7章 分类变量的推断
    第8章 方差分析与验设计
    第9章 一元线性加归
    第10章 多元线性回归
    第11章 时间序列预测
    第12章 主成分分析和因子分析
    第13章 聚类分析
    第14章 非参数检验
    附录
    参考文献

    文摘

    版权页:



    插图:



    些误用有些是常识性的,有些是技术性的,有些则是故意的。作为从数据中寻找事实的统计,却被有些人变成了歪曲事实的工具。你也许常常看到这样的产品质检报告:某产品的抽样合格率是80%。乍看上去没什么问题,但如果事实上只抽查了5件产品,有4件合格。这样的合格率能说明什么问题呢?在马路上随便采访几个人,他们的看法能代表大多数人的观点吗?调查结果表明……调查了多少个人?是随机调查的吗?样本是怎样选取的?这看上去是在用事实说话,实际上成了统计陷阱。
    此外,统计也往往被作为两个极端使用:一个极端是复杂问题简单化,一些不懂或不太懂统计的人认为统计没什么用,他们因为不懂统计而瞧不起统计,他们不用或几乎不用统计方法分析数据,即使做些统计分析,往往也是表面上的。走入这一极端的人,他们决策的依据就是自己的大脑:一些杂乱无章的信息组合出的某种直觉。如果他们的决策是正确的,更增加了他们的自信,更加感到不用统计也挺好;如果他们的决策出了毛病,便会找出一大堆推脱的理由:市场难测,环境突变,竞争激烈,需求疲软,价格下跌,管理不善,成本上升,出口下降……另一个极端是把简单问题复杂化,特别是在管理领域,一些管理者把本来可以用简单方法解决的问题故意复杂化,他们不用简单的分析方法,而是用复杂的分析方法;他们为证明管理的科学性,建立一个别人看不懂的模型,编一大堆程序,输出一大堆数字和符号;他们得出用统计语言陈述的结论,提出一些似是而非的建议……这样的分析往往是脱离了管理问题,对实际决策也未必有用。在统计应用中,这两个极端都是不可取的。管理决策中不用统计几乎不可想象;把简单问题复杂化对管理决策也未必有用。从统计的实际应用来看,简单的方法不一定没用,复杂的方法也不一定有用。统计应该被恰当地应用到它能起作用的地方。不能把统计神秘化,更不能歪曲统计,把统计作为掩盖事实的陷阱。
    曲解统计是一种常见的现象。在有些人的心目中,使用统计就是寻找支持:他们的心目中可能有了某种“结论”性的东西,或者说他们希望看到一种符合他们需要的某种结论,然后去找些数据来支持他们的结论。如果数据分析的结果与他们预期的结论一致,他们就会宣扬自己是用科学方法得到的结论;如果与预期的不一致,他们要么篡改数据,要么对统计弃而不用。这恰恰歪曲了数据分析的本质。数据分析的真正目的是从数据中找出结论,从数据中寻找启发,而不是寻找支持。真正的数据分析事先是没有结论的,通过对数据的分析才得出结论。