统计学 从概念到数据分析 第2版【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

统计学 从概念到数据分析 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 引言1

1.1 什么是科学方法？1

1.2 什么是统计学？3

1.3 统计学习需要的基础知识和技能7

1.4 习题9

第二章 数据和变量10

2.1 变量10

2.2 数据12

2.3 总体、样本和抽样14

2.3.1 几个基本概念14

2.3.2 抽样调查方法17

2.4 习题19

第三章 数据的展示和描述方法21

3.1 制表方法21

3.2 统计图23

3.2.1 条形图23

3.2.2 饼图24

3.2.3 直方图25

3.2.4 盒形图27

3.2.5 茎叶图29

3.2.6 散点图30

3.2.7 其他的图描述法33

3.3 用少量汇总数字的描述方法38

3.3.1 关于数据位置的汇总统计量38

3.3.2 关于数据尺度的汇总统计量40

3.3.3 标准得分、标准化和离群点43

3.4 习题45

第四章 变量的分布46

4.1 概率和概率分布46

4.2 概率运算回顾48

4.3 离散型随机变量的分布50

4.3.1 二项分布52

4.3.2 多项分布55

4.3.3 超几何分布56

4.3.4 Poisson分布59

4.4 连续型随机变量的分布60

4.4.1 均匀分布63

4.4.2 正态分布64

4.4.3 总体分位数和尾概率66

4.5 简单概率计算例子71

4.6 用小概率事件进行判断72

4.7 习题73

第五章 抽样分布75

5.1 样本函数的分布75

5.1.1 样本均值的分布75

5.1.2 样本均值的性质和中心极限定理77

5.1.3 样本比例的抽样分布80

5.2 常用的抽样分布80

5.2.1 x2分布80

5.2.2 t分布81

5.2.3 F分布84

5.3 非正态数据的正态化变换85

5.4 统计量的一些常用函数89

5.5 习题90

第六章 简单统计推断：对总体参数的估计91

6.1 点估计91

6.2 区间估计94

6.2.1 正态分布总体均值μ的区间估计95

6.2.2 两个独立正态分布总体均值差μ1-μ2的区间估计99

6.2.3 配对正态分布总体均值差μD=μ1-μ2的区间估计101

6.2.4 总体比例（Bernoulli试验成功概率）p的区间估计102

6.2.5 如何概算调查所需的样本量104

6.2.6 总体比例（Bernoulli试验成功概率）之差p1-p2的区间估计105

6.3 习题106

第七章 简单统计推断：总体参数的假设检验108

7.1 假设检验的过程和逻辑108

7.2 正态总体均值的检验115

7.2.1 对一个正态总体均值μ的t检验115

7.2.2 对两个正态总体均值之差μ1-μ2的t检验119

7.2.3 配对正态分布总体均值差μD=μ1-μ2的t检验121

7.3 总体比例（Bernoulli试验成功概率）p的检验121

7.3.1 一个总体比例p的检验121

7.3.2 两个总体比例之差p1-p2的检验123

7.4 关于中位数的非参数检验124

7.4.1 非参数检验简介124

7.4.2 单样本的关于总体中位数（或总体α分位数）的符号检验125

7.4.3 单样本的关于对称总体中位数（总体均值）的Wilcoxon符号秩检验127

7.4.4 比较两独立样本总体中位数的Wilcoxon秩和检验128

7.5 习题129

第八章 变量之间的关系132

8.1 定性变量之间的相关132

8.1.1 列联表132

8.1.2 x2检验135

8.2 定量变量之间的相关136

8.2.1 相关关系的图形描述136

8.2.2 相关关系的数字刻画：Pearson线性相关系数140

8.2.3 相关关系的数字刻画：Kendall ？相关系数143

8.3 习题144

第九章 经典回归和分类146

9.1 回归和分类概述146

9.1.1 “黑匣子”说法146

9.1.2 试图破解“黑匣子”的实践147

9.1.3 回归和分类的区别148

9.2 线性回归模型149

9.2.1 因变量和自变量均为数量型变量的情形150

9.2.2 因变量是数量型变量而自变量包含分类变量的情形163

9.2.3 对于回归利用交叉验证的例子169

9.3 Logistic回归173

9.4 判别分析177

9.5 习题182

第十章 现代回归和分类：数据挖掘方法184

10.1 决策树：分类树和回归树184

10.1.1 分类树186

10.1.2 回归树190

10.2 组合方法：adaboost、bagging和随机森林193

10.2.1 为什么组合？193

10.2.2 Boosting194

10.2.3 Bagging198

10.2.4 随机森林200

10.3 对于例9.6和例9.3的交叉验证结果205

10.4 习题207

附录：熟练使用R软件208

参考文献218