賈俊平編著的這本《統計學(基於R套用)》是一本基於R實現全部例題計算與分析的統計學教材，書中例題的解答給出了R的詳細程式和結果。全書內容共10章，包括數據的描述性分析方法、推斷方法以及實際中常用的一些統計方法。 《統計學(基於R套用)》可作為高等院校經濟管理類專業本科生統計學課程的教材，也可作為其他文科專業及部分理、工、農、林、醫、藥專業的教材或參考書，對廣大實際工作者也極具參考價值。
基本介紹
- 書名：華章套用統計系列:統計學
- 作者：賈俊平
- 出版日期：2014年5月26日
- 語種：簡體中文
- ISBN：9787111466512
- 外文名：Statistics with R
- 出版社：機械工業出版社
- 頁數：175頁
- 開本：16
- 品牌：機械工業出版社
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
賈俊平編著的這本《統計學(基於R套用)》系統地介紹了統計學的基本思想、基本方法及套用，包括數據的描述性分析方法、推斷方法以及實際中常用的一些統計方法。與市場上的很多教材不同。本書沒有複雜的證明和枯燥的公式，而是從生活中實際遇到的數據出發，一步一步地引導讀者分析數據，解決實際問題。書中強調統計方法的套用，基於R實現全部例題的計算與分析，例題的解答給出了R的詳細程式和結果。
通過本書的學習，讀者能具備基本的統計思想，掌握基本的統計方法，並套用這些方法去分析和解決實際問題，為進一步的學習和研究打下良好的基礎。
通過本書的學習，讀者能具備基本的統計思想，掌握基本的統計方法，並套用這些方法去分析和解決實際問題，為進一步的學習和研究打下良好的基礎。
作者簡介
賈俊平，中國人民大學統計學院副教授。研究方向：統計方法在經濟各領域的套用、統計教學方式和方法。主要著作有：《統計學》、《描述統計》、《工商管理統計》、《市場調查與分析》等。主持研究的“非統計學專業本科公共基礎課——統計學教學改革”項目獲2001年國家級教學成果二等獎、2001年北京市教學成果一等獎。2001年榮獲北京市經濟技術創新標兵稱號，2003年榮獲寶鋼優秀教師獎等。
圖書目錄
前言
第1章 統計學與
1.1 統計學與數據
1.1.1 什麼是統計學
1.1.2 數據及其來源
1.2 R簡介
1.2.1 R的初步使用
1.2.2 數據的讀入與保存
1.2.3 包的安裝和載入
1.2.4 函式的編寫
思考與練習
第2章 數據的描述
2.1 用圖表描述數據
2.1.1 類別數據的圖表展示
2.1.2 數值數據的圖表展示
2.1.3 使用圖表的注意事項
2.2 用統計量描述數據
2.2.1 水平的描述
2.2.2 差異的描述
2.2.3 分布形狀的描述
思考與練習
第3章 機率分布
3.1 什麼是機率
3.2 隨機變數的機率分布
3.2.1 隨機變數及其概括性度量
3.2.2 隨機變數的機率分布
3.2.3 其他幾個重要的統計分布
3.3 樣本統計量的機率分布
3.3.1 統計量及其分布
3.3.2 樣本均值的分布
3.3.3 其他統計量的分布
3.3.4 統計量的標準誤差
思考與練習
第4章 參數估計
4.1 參數估計的基本原理
4.1.1 點估計與區間估計
4.1.2 評價估計量的標準
4.2 總體均值的區間估計
4.2.1 一個總體均值的估計
4.2.2 兩個總體均值之差的估計
4.3 總體比例的區間估計
4.3.1 一個總體比例的估計
4.3.2 兩個總體比例之差的估計
4.4 總體方差的區間估計
4.4.1 一個總體方差的估計
4.4.2 兩個總體方差比的估計
思考與練習
第5章 假設檢驗
5.1 假設檢驗的基本原理
5.1.1 怎樣提出假設
5.1.2 怎樣做出決策
5.1.3 怎樣表述決策結果
5.2 總體均值的檢驗
5.2.1 一個總體均值的檢驗
5.2.2 兩個總體均值之差的檢驗
5.3 總體比例的檢驗
5.3.1 一個總體比例的檢驗
5.3.2 兩個總體比例之差的檢驗
5.4 總體方差的檢驗
5.4.1 一個總體方差的檢驗
5.4.2 兩個總體方差比的檢驗
思考與練習
第6章 類別變數分析
6.1 一個類別變數的擬合優度檢驗
6.1.1 期望頻數相等
6.1.2 期望頻數不等
6.2 兩個類別變數的獨立性檢驗
6.2.1 列聯表與χ2獨立性檢驗
6.2.2 套用χ2檢驗的注意事項
6.3 兩個類別變數的相關性度量
6.3.1 φ係數和Cramer's V係數
6.3.2 列聯繫數
思考與練習
第7章 方差分析
7.1 方差分析的基本原理
7.1.1 什麼是方差分析
7.1.2 誤差分解
7.1.3 方差分析的基本假定
7.2 單因子方差分析
7.2.1 數學模型
7.2.2 效應檢驗
7.2.3 多重比較
7.3 雙因子方差分析
7.3.1 數學模型
7.3.2 主效應分析
7.3.3 互動效應分析
思考與練習
第8章 一元線性回歸
8.1 變數間的關係
8.1.1 確定變數之間的關係
8.1.2 相關關係的描述
8.1.3 關係強度的度量
8.2 回歸模型的估計和檢驗
8.2.1 一元線性回歸模型
8.2.2 參數的最小二乘估計
8.2.3 模型的擬合優度
8.2.4 模型的顯著性檢驗
8.3 利用回歸方程進行預測
8.3.1 平均值的置信區間
8.3.2 個別值的預測區間
8.4 回歸模型的診斷
8.4.1 殘差與標準化殘差
8.4.2 模型診斷
思考與練習
第9章 多元線性回歸
9.1 多元線性回歸模型
9.1.1 回歸模型與回歸方程
9.1.2 參數的最小二乘估計
9.2 擬合優度和顯著性檢驗
9.2.1 模型的擬合優度
9.2.2 模型的顯著性檢驗
9.3 多重共線性及其處理
9.3.1 多重共線性及其識別
9.3.2 變數選擇與逐步回歸
9.4 利用回歸方程進行預測
思考與練習
第10章 時間序列預測
10.1 時間序列的成分和預測方法
10.1.1 時間序列的成分
10.1.2 預測方法的選擇與評估
10.2 指數平滑預測
10.2.1 指數平滑模型的一般表達
10.2.2 簡單指數平滑預測
10.2.3 Holt指數平滑預測
10.2.4 Winter指數平滑預測
10.3 趨勢外推預測
10.3.1 線性趨勢預測
10.3.2 非線性趨勢預測
10.4 分解預測
思考與練習
參考書目
第1章 統計學與
1.1 統計學與數據
1.1.1 什麼是統計學
1.1.2 數據及其來源
1.2 R簡介
1.2.1 R的初步使用
1.2.2 數據的讀入與保存
1.2.3 包的安裝和載入
1.2.4 函式的編寫
思考與練習
第2章 數據的描述
2.1 用圖表描述數據
2.1.1 類別數據的圖表展示
2.1.2 數值數據的圖表展示
2.1.3 使用圖表的注意事項
2.2 用統計量描述數據
2.2.1 水平的描述
2.2.2 差異的描述
2.2.3 分布形狀的描述
思考與練習
第3章 機率分布
3.1 什麼是機率
3.2 隨機變數的機率分布
3.2.1 隨機變數及其概括性度量
3.2.2 隨機變數的機率分布
3.2.3 其他幾個重要的統計分布
3.3 樣本統計量的機率分布
3.3.1 統計量及其分布
3.3.2 樣本均值的分布
3.3.3 其他統計量的分布
3.3.4 統計量的標準誤差
思考與練習
第4章 參數估計
4.1 參數估計的基本原理
4.1.1 點估計與區間估計
4.1.2 評價估計量的標準
4.2 總體均值的區間估計
4.2.1 一個總體均值的估計
4.2.2 兩個總體均值之差的估計
4.3 總體比例的區間估計
4.3.1 一個總體比例的估計
4.3.2 兩個總體比例之差的估計
4.4 總體方差的區間估計
4.4.1 一個總體方差的估計
4.4.2 兩個總體方差比的估計
思考與練習
第5章 假設檢驗
5.1 假設檢驗的基本原理
5.1.1 怎樣提出假設
5.1.2 怎樣做出決策
5.1.3 怎樣表述決策結果
5.2 總體均值的檢驗
5.2.1 一個總體均值的檢驗
5.2.2 兩個總體均值之差的檢驗
5.3 總體比例的檢驗
5.3.1 一個總體比例的檢驗
5.3.2 兩個總體比例之差的檢驗
5.4 總體方差的檢驗
5.4.1 一個總體方差的檢驗
5.4.2 兩個總體方差比的檢驗
思考與練習
第6章 類別變數分析
6.1 一個類別變數的擬合優度檢驗
6.1.1 期望頻數相等
6.1.2 期望頻數不等
6.2 兩個類別變數的獨立性檢驗
6.2.1 列聯表與χ2獨立性檢驗
6.2.2 套用χ2檢驗的注意事項
6.3 兩個類別變數的相關性度量
6.3.1 φ係數和Cramer's V係數
6.3.2 列聯繫數
思考與練習
第7章 方差分析
7.1 方差分析的基本原理
7.1.1 什麼是方差分析
7.1.2 誤差分解
7.1.3 方差分析的基本假定
7.2 單因子方差分析
7.2.1 數學模型
7.2.2 效應檢驗
7.2.3 多重比較
7.3 雙因子方差分析
7.3.1 數學模型
7.3.2 主效應分析
7.3.3 互動效應分析
思考與練習
第8章 一元線性回歸
8.1 變數間的關係
8.1.1 確定變數之間的關係
8.1.2 相關關係的描述
8.1.3 關係強度的度量
8.2 回歸模型的估計和檢驗
8.2.1 一元線性回歸模型
8.2.2 參數的最小二乘估計
8.2.3 模型的擬合優度
8.2.4 模型的顯著性檢驗
8.3 利用回歸方程進行預測
8.3.1 平均值的置信區間
8.3.2 個別值的預測區間
8.4 回歸模型的診斷
8.4.1 殘差與標準化殘差
8.4.2 模型診斷
思考與練習
第9章 多元線性回歸
9.1 多元線性回歸模型
9.1.1 回歸模型與回歸方程
9.1.2 參數的最小二乘估計
9.2 擬合優度和顯著性檢驗
9.2.1 模型的擬合優度
9.2.2 模型的顯著性檢驗
9.3 多重共線性及其處理
9.3.1 多重共線性及其識別
9.3.2 變數選擇與逐步回歸
9.4 利用回歸方程進行預測
思考與練習
第10章 時間序列預測
10.1 時間序列的成分和預測方法
10.1.1 時間序列的成分
10.1.2 預測方法的選擇與評估
10.2 指數平滑預測
10.2.1 指數平滑模型的一般表達
10.2.2 簡單指數平滑預測
10.2.3 Holt指數平滑預測
10.2.4 Winter指數平滑預測
10.3 趨勢外推預測
10.3.1 線性趨勢預測
10.3.2 非線性趨勢預測
10.4 分解預測
思考與練習
參考書目
