管理統計學

第1章 統計推斷回顧
1．1 隨機變量及其分布
1．1．1 常用的隨機變量及其分布
1．1．2 隨機變量的矩
1．1．3 分位點
1．2 抽樣分布及其常用統計量的分布
1．2．1 簡單隨機樣本
1．2．2 抽樣分布
1．3 統計推斷
1．3．1 參數估計
1．3．2 參數假設檢驗
1．4 假設檢驗中的兩個問題
1．4．1 置信區(qū)間與假設檢驗的關系
1．4．2 假設檢驗中的P值
1．5 本章小結
問題與思考
第2章 方差分析
2．1 單因素試驗的方差分析
2．1．1 問題的提出
2．1．2 解決問題的基本思路及過程
2．2 多重比較
2．2．1 費歇爾（Fisher）的最小顯著差法（LSD）
2．2．2 基于龐弗洛尼（Bonferroni）調整的LSD法
2．2．3 圖基（Tukey）多重比較法
2．3 雙因素試驗的方差分析
2．3．1 雙因素等重復試驗的方差分析
2．3．2 雙因素重復試驗的方差分析
2．4 應用舉例
2．5 本章小結
問題與思考
第3章 非參數統計分析
3．1 符號檢驗
3．1．1 兩個總體分布是否相同的符號檢驗
3．1．2 總體中位數Me的檢驗
3．1．3 數據序列的趨勢存在性檢驗
3．1．4 wilcoxon符號秩和檢驗
3．2 秩和檢驗法
3．3 多個樣本的檢驗
3．3．1 克魯斯卡爾沃利斯（Kruskal?Wallis）單向方差秩檢驗
3．3．2 費利德曼雙向方差分析
3．4 秩相關分析
3．4．1 Spearman秩相關系數
3．4．2 Kendall?τ相關系數
3．5 χ2檢驗法
3．5．1 擬合優(yōu)度檢驗
3．5．2 獨立性檢驗（列聯表分析）
3．6 正態(tài)性的檢驗法
3．7 本章小結
問題與思考
第4章 線性回歸分析
4．1 一元線性回歸分析
4．1．1 參數β0， β1的估計
4．1．2 誤差項ε方差σ2的估計
4．1．3 擬合回歸線的性質
4．1．4 正態(tài)誤差回歸模型
4．1．5 線性回歸模型中自變量與因變量之間聯系的描述測度
4．1．6 一元線性回歸建模流程
4．2 多元線性回歸模型
4．2．1 多元回歸模型
4．2．2 回歸系數的涵義
4．2．3 回歸分析推斷
4．2．4 預測與控制
4．2．5 自變量與因變量線性相關程度的度量指標
4．2．6 多元線性回歸模型中自變量的選擇問題
4．3 回歸診斷
4．3．1 殘差及其性質
4．3．2 誤差項的異方差
4．3．3 誤差序列自相關性
4．3．4 自變量的多重共線性
4．3．5 異常點與強影響點
4．4 含定性自變量的回歸模型
4．4．1 僅含定性自變量的回歸模型
4．4．2 對一個定量自變量和一個二值定性自變量的回歸
4．4．3 對于一個定量自變量和一個多值定性自變量的回歸
4．4．4 對于一個定量自變量和兩個定性自變量的回歸
4．5 本章小結
問題與思考
第5章 非線性回歸分析
5．1 可線性化的非線性回歸模型
5．2 多項式模型
5．2．1 一元多項式模型
5．2．2 二元多項式模型
5．3 因變量為指示變量的回歸
5．3．1 回歸模型
5．3．2 關于誤差項問題
5．3．3 參數估計
5．4 logistic回歸模型
5．5 本章小結
問題與思考
第6章 統計決策
6．1 統計決策概念
6．1．1 統計決策的定義
6．1．2 統計決策的三個基本概念
6．1．3 決策的一般步驟
6．2 不確定型決策方法
6．3 風險性決策方法
6．3．1 決策矩陣法
6．3．2 決策樹法
6．4 貝葉斯決策方法
6．4．1 貝葉斯公式
6．4．2 貝葉斯決策方法
6．5 本章小結
問題與思考
第7章 統計過程控制圖
7．1 過程波動
7．2 控制圖原理
7．2．1 控制圖的形式
7．2．2 控制圖的判斷準則
7．3 控制圖
7．3．1 均值極差X ―－R控制圖
7．3．2 均值標準差X ―-S控制圖
7．3．3 單值X－RS控制圖
7．3．4 計數值控制圖
7．4 本章小結
問題與思考
附表
參考文獻