基礎統計學, 14/e (雙色) Elementary Statistics 14E

Mario F Triola 錢辰江,潘文皓

買這商品的人也買了...

相關主題

商品描述

《基礎統計學》歷經14 版,經久不衰。該書已經作為國際版統計教材被翻譯成多國文字,連續25 年在美國統計類教材中排名第一。本書以淺顯易懂的文字以及貼近實際的案例,帶領讀者專業系統地學習統計思維和批判性思維,領略統計學的真實魅力。本書的第1~3 章著重介紹描述統計學,通過第4~6 章的概率分佈逐漸過渡到第7~9 章的推斷統計學;第10~15 章介紹了現代統計學中一些重要的實踐方法,例如回歸分析、擬合優度、方差分析、非參數檢驗等,讀者可以根據自身的興趣與背景學習相關內容。

目錄大綱

第1 章 統計學概述 001
1-1 統計與批判性思維 004
例1:總體和樣本 004
例2:自願樣本 007
例3:統計顯著性與實際顯著性 008
1-2 數據類型 010
第1 部分:基本數據類型 010
例1:參數和統計量 011
例2:定量數據和分類數據 012
例3:離散型數據和連續型數據 013
例4:名目測量尺度 014
例5:次序測量尺度 015
例6:等距測量尺度 015
例7:等比測量尺度 016
例8:區分等比測量尺度和等距測量尺度 017
第2 部分:大數據和缺失數據——過量和不夠 018
1-3 樣本數據的收集 022
第1部分:實驗設計與樣本數據收集的基礎 022
例1:索爾克疫苗實驗 022
例2:冰激凌與溺水 023
例3:多階段抽樣設計 026
第2 部分:實驗設計與樣本數據收集的進階 026
第2 章 用圖表探索數據 031
2-1 頻數分佈表——數據的整理與匯總 033
例1:洛杉磯每日通勤時間頻數分佈表 035
例2:空難原因頻數分佈表 036
例3:比較紐約和博伊西的每日通勤時間 037
例4:探索數據——心率是如何測量的 039
例5:數據探索——差異告訴了我們什麽 040
第1 部分:直方圖的基本概念 041
2-2 直方圖 041
第2 部分 使用正態分位圖評估正態性 044
2-3 啟發性圖表與誤導性圖表 045
例1:男性心率的點圖 045
例2:男性心率的莖葉圖 046
例3:全球個人電腦出貨量的時間序列圖 047
例4:空難原因的帕累托圖 048
例5:空難原因的餅狀圖 049
例6:洛杉磯每日通勤時間的頻數多邊形 050
例7:相對頻數多邊形——洛杉磯和博伊西的每日通勤時間 050
例8:誤導性圖表——非零縱軸 051
例9:誤導性圖表——圖標的使用 052
第1 部分:散點圖和相關性 053
2-4 散點圖、相關分析與回歸分析 053
例1:存在相關性——用相機對海豹稱重 054
例2:不存在相關性——總統的身高與其對手的身高 055
例3:不存在相關性——硬幣的質量與其製造年份 055
第2 部分:線性相關系數 056
例4:通過與對數據看鞋印長度與身高是否存在相關性 056
例5:通過與對數據看鞋印長度與身高之間是否存在相關性 058
第3 部分:回歸分析 059
例6:通過回歸線看相關性 059
第3章 描述、探索和比較數據 060
3-1 集中趨勢的度量指標 062
第1 部分:集中趨勢度量的基本概念 062
例1:均值 064
例2:中位數——奇數個數據值 066
例3:中位數——偶數個數據值 066
例4:眾數 067
例5:中程數 068
例6:批判性思維與集中趨勢的度量指標 069
第2 部分:集中趨勢度量指標的進階部分 071
例7:根據頻數分佈表計算均值 071
例8:平均績點的計算 072
3-2 離散程度的度量指標 074
第1 部分:離散程度的基本概念 074
例1:全距 076
例2:使用公式3-4 計算標準差 077
例3:使用公式3-5 計算標準差 079
例4:使用範圍經驗法則解讀s 080
例5:使用範圍經驗法則估計s 081
第2 部分:離散程度的進階部分 083
例6:經驗法則 084
例7:切比雪夫定理 085
例8:比較“飛船搖滾飛車”和“恐怖魔塔”的等候時間 085
例9:比較成年男性的身高和體重 086
第1 部分:z 分數、百分位數、四分位數及箱形圖 087
3-3 相對位置的度量與箱形圖 087
例1:比較成年人的體溫和25 美分硬幣的重量 088
例2:4.01 級地震的震級是否顯著高 089
例3:求等候時間為45 分鐘的百分位數 090
例4:將求P25 百分位數轉換為相應的數據值 092
例5:將求P90 百分位數轉換為相應的數據值 092
例6:五數概括法 094
例7:構建箱形圖 095
例8:比較迪士尼樂園熱門游樂項目的等候時間 095
第2 部分:異常值和修正箱形圖 097
例9:構建修正箱形圖 097
第4 章 概率論 099
第1 部分:概率的基本概念 101
4-1 概率 101
例1:分析索賠 101
例2:簡單事件和樣本空間 103
例3:相對頻數法——空難 107
例4:經典計算法——性別相同的概率 107
例5:主觀估計法——在這門統計課中獲得A 107
例6:成年人認為其見過或遇到過鬼的概率 108
例7:感恩節在星期三和星期四的概率 108
例8:成年人上網的概率 109
第2 部分:發生比 110
例9:實際發生比與賠率 111
4-2 加法原理和乘法原理 112
例1:吸食毒品或檢驗結果為陰性的概率 113
例2:互斥事件和非互斥事件 113
例3:沒有智能手機的概率 114
例4:毒品檢驗和乘法原理 115
例5:無放回隨機選取之人檢驗為陰性的概率 117
例6:隨機選取兩人,生日在同一周的概率 118
例7:根據概率判斷顯著性結果 119
例8:計算一塊硬盤能正常工作一年的概率 120
第1 部分:對立事件,“至少一個”的概率 121
4-3 對立事件、條件概率以及貝葉斯定理 121
例1:求至少一件產品有缺陷的概率 122
第2 部分:條件概率 123
例2:入職前的毒品檢驗 124
第3 部分:貝葉斯定理 125
例3:條件概率謬論 125
例4:解讀醫學檢驗結果 126
4-4 計數法則 128
例1:乘法計數法則——黑客破譯密碼 129
例2:階乘法則——打亂字母 129
例2:階乘法則——打亂字母 130
例3:排列法則(元素相異)——三重彩投註 131
例4:排列法則(元素重復)——出色的問捲調查設計 132
例5:彩票中頭獎的概率 133
4-5 假設檢驗的統計模擬 134
例6:公司官員與委員會的任命方式有多少種 134
例1:檢驗人的平均體溫為98.6 ℉的命題 135
例2:三人生日都為同一天的概率 137
第5 章 離散概率分佈 139
5-1 概率分佈 141
第1 部分:概率分佈的基本概念 141
例1:兩個新生兒中女嬰數量的概率分佈 142
例2:未授權軟件的概率分佈 144
例3:求概率分佈的均值、方差和標準差 145
例4:通過範圍經驗法則確定顯著值 147
例5:使用概率確定顯著值 148
第2 部分:期望值和公式的基本原理 149
例6:期望值應用——明智的賭徒 149
5-2 二項分佈 151
第1 部分:二項分佈的基礎 151
例1:求正好有2 人沒有攜帶現金的概率 152
例2:應用二項概率公式求2 人沒有帶現金的概率 154
例3:橄欖球加時賽中勝利的概率 155
例4:5 個成年人中恰好有2 個人是素食者的概率 156
第2 部分:均值/ 標準差與批判性思維 157
例5:使用參數判斷顯著性 157
5-3 泊松分佈 160
例1:應用柏松分佈求颶風的概率 161
例2:求一年365 天里至少中獎一次的概率彩票 162
第6 章 正態分佈 164
6-1 標準正態分佈 166
例1:機場安檢等待時間的均勻分佈 168
例2:機場安檢等待時間至少需要2 分鐘的概率 168
例3:骨密度測試:低於1.27 的概率 170
例4:骨密度測試——試求給定值右側的面積 172
例5:骨密度測試——試求兩值之間的面積 173
例6:骨密度測試——試求測試分數 175
例7:骨密度測試:最低2.5% 和最高2.5% 的分數 176
例8:試求臨界值zα 177
6-2 正態分佈的實際應用 179
例1:男性身高高於72 英寸的百分比 180
例2:滿足飛行員身高要求的女性比例 181
例3:一扇門的高度應該是多少? 183
例4:顯著低的出生體重 185
6-3 抽樣分佈和估計量 186
例1:樣本比例的抽樣分佈 189
例2:樣本均值的抽樣分佈 190
例3:所有樣本均值的抽樣分佈 191
例4:樣本方差的抽樣分佈 192
例5:樣本全距的抽樣分佈 194
6-4 中心極限定理 195
例1:波士頓通勤時間的正態分佈 195
例2:如何調整波音737 飛機的座椅寬度? 198
例3:通過概率確定顯著值:人的平均體溫是98.6 ℉嗎? 200
6-5 正態性檢驗 202
第1 部分:正態性檢驗的基本概念 202
例1:確定達拉斯通勤時間的樣本是否來自正態分佈的總體 204
第2 部分:正態分位圖的手動構建 204
例2:通過正態性檢驗評估達拉斯通勤時間的樣本 205
第7 章 參數估計和樣本量確定 207
7-1 總體比例的估計 209
第1 部分:點估計、置信區間和樣本量 210
例1:上網課學生比例的最佳點估計 210
例2:構建置信區間——上網課 216
例3:試求樣本比例和誤差範圍 218
例4:成年人選擇網購的比例是多少 220
第2 部分:更準確的置信區間 221
7-2 總體均值的估計 224
例1:求解臨界值tα/2 227
例2:花生巧克力的置信區間 228
例3:批判性思維——黑膠唱片的銷量 230
例4:關於二手煙置信區間的比較 232
例5:統計學專業學生的智商分數 235
7-3 總體標準差或方差的估計 235
例1:試求χ2 臨界值 237
例2:心率σ 的置信區間估計 239
例3:求估計σ 所需的樣本量 242
7-4 自助法 242
例1:收入的自助樣本 243
例2:眼睛色彩調查:比例的自助法置信區間 245
例3:年收入:均值的自助法置信區間 246
例4:年收入:標準差的自助法置信區間 248
第8 章 假設檢驗 249
8-1 假設檢驗的基礎 251
第1 部分:假設檢驗的基本方法 251
例1:大多數互聯網用戶使用雙重認證來保護他們的網絡數據 251
第2部分:第一類錯誤和第二類錯誤 261
例2:描述第一類錯誤和第二類錯誤 262
第3 部分:統計功效 263
例3:求解統計功效 263
例4:達到80% 的統計功效所需的樣本量 264
8-2 總體比例的假設檢驗 265
第1 部分:正態近似法 266
例1:少於30% 的成年人有過夢游嗎 270
第2 部分:精確法 271
例2:應用精確法評估例1 的結論 272
8-3 總體均值的假設檢驗 273
例1:成年人睡眠時間——使用統計軟件p 值法 275
例2:成年人睡眠時間——手算p 值法 278
例3:成人年睡眠時間——臨界值法 278
例4:成年人睡眠時間——置信區間法 279
例5:人的平均體溫真的是98.6 ℉嗎 280
8-4 總體標準差或方差的假設檢驗 282
例1:鑄造25 美分硬幣 283
例2:鑄造25 美分硬幣——置信區間法 285
8-5 重採樣法的假設檢驗 286
例1:置換檢驗 287
例2:總體比例的假設檢驗——重採樣法 289
例3:成年人睡眠時間——重採樣法 290
例4:鑄造25 美分硬幣——重採樣法 290
第9章 兩個樣本的統計推斷 291
9-1 兩個總體比例 293
例1:電子煙的戒煙成功率和尼古丁替代品的戒煙成功率有差異嗎 295
例2:兩個總體比例的置信區間 298
9-2 兩個總體均值:獨立樣本 300
第1 部分:獨立樣本,σ1 與σ2 未知且不相等 300
例1:人們越來越高了嗎 303
例2:身高差的置信區間估計 305
第2 部分:其他方法 306
9-3 配對樣本 308
例1:人們會謊報體重嗎 310
例2:置信區間法:估計男性的實測體重和自報體重差值的均值 313
第1 部分:兩個總體方差或標準差的F 檢驗 314
9-4 兩個總體方差或標準差 314
XX 基礎統計學(第14 版)
例1:美國陸軍男性人員的體重 317
第2 部分:其他方法 319
9-5 重採樣法的統計推斷 320
例1:雙樣本的置換檢驗 320
例2:重採樣法:檢驗總體比例差 322
例3:重採樣法:檢驗獨立總體的均值差 323
例4:重採樣法:配對樣本 324
例5:重採樣法:檢驗兩個總體的方差或標準差 325
第10 章 相關分析與回歸分析 326
10-1 相關分析 328
第1 部分:相關性的基本概念 328
例1:通過軟件求r 332
例2:通過公式10-1 求r 333
例3:通過公式10-2 求r 333
例4:是否存在線性相關性 335
例5:偽相關 336
例6:可解釋變異 337
例7:相關系數的t 檢驗 338
第2 部分:假設檢驗 338
第3 部分:置換檢驗 340
10-2 線性回歸 342
第1 部分:回歸的基本概念 342
例1:使用統計軟件求回歸方程 344
例2:通過手算求回歸方程 345
例3:繪制回歸線 345
例4:模型預測 347
例5:強影響點 348
第2 部分:線性回歸的分析工具 348
例6:殘差圖 350
10-3 預測區間 352
例1:彩票的頭獎金額與銷售量的預測區間 353
例2:彩票的頭獎金額與銷售量數據:求決定系數 355
10-4 多元線性回歸 356
第1 部分:多元回歸方程的基本概念 356
例1:預測體重 357
例2:根據足跡證據預測身高 360
第2 部分:虛擬變量與邏輯回歸 361
例3:虛擬變量作為預測變量 362
例4:邏輯回歸 363
10-5 非線性回歸 364
例1:求最佳人口模型 365
例2:解讀R 2 366
例3:新型冠狀病毒感染疫情 366
第11 章 擬合優度與列聯表 368
11-1 擬合優度 369
例1:實測數據與自報數據 372
例2:本福特定律:檢測電腦入侵 375
第1 部分:獨立性檢驗的基本概念 378
11-2 列聯表 378
例1:求理論頻數 380
例2:接種疫苗與自閉症之間是否有關聯 381
第2 部分:同質性檢驗、費希爾精確檢驗和配對卡方檢驗 383
例3:歸還錢包實驗 384
例4:打哈欠會傳染嗎 385
例5:髖關節保護器的效果 386
第12 章 方差分析 388
12-1 單因素方差分析 390
第1 部分:單因素方差分析的基本概念 390
例1:車型與頭部損傷結果 392
第2 部分:單因素方差分析的進階 394
例2:邦費羅尼校正 398
12-2 雙因素方差分析 399
例1:汽車碰撞測試中的股骨受力情況 402
第13 章 非參數檢驗方法 405
13-1 非參數檢驗的基本方法 407
例1:平均秩次 408
13-2 符號檢驗 409
例1:與備擇假設相矛盾的樣本數據 411
例2:實測體重與自報體重之間是否存在顯著差異 411
例3:性別選擇 412
例4:檢驗體溫的中位數 414
13-3 威爾科克森符號秩檢驗 416
例1:實測體重和自報體重 418
例2:體溫的中位數檢驗 419
13-4 威爾科克森秩和檢驗 421
例1:男性身高樣本數據檢驗 423
例2:男性身高——更大的樣本 424
13-5 Kruskal-Wallis 檢驗 425
例1:車型與頭部損傷結果 426
13-6 秩相關性檢驗 428
例1:質量好的智能手機售價更高嗎 430
例2:大樣本的情況 431
13-7 游程檢驗 433
例1:小樣本——總統的政黨 437
例2:大樣本——氣溫的隨機性 437
第14 章 統計過程控制 439
14-1 均值和波動的控制圖 441
例1:全球溫度——過程數據 441
例2:全球溫度——趨勢圖 442
例3:全球溫度——R 控制圖 447
例4:全球溫度——x - 控制圖 449
14-2 比例的控制圖 450
例1:不合格的飛機高度計 451
第15 章 整體統計學 453