統(tǒng)計學：從概念到數據分析（第二版）

第一章 引言
1．1 什么是科學方法？
1．2 什么是統(tǒng)計學？
1．3 統(tǒng)計學習需要的基礎知識和技能
1．4 習題
第二章 數據和變量
2．1 變量
2．2 數據
2．3 總體、樣本和抽樣
2．3 1幾個基本概念
2．3．2 抽樣調查方法
2．4 習題
第三章 數據的展示和描述方法
3．1 制表方法
3．2 統(tǒng)計圖
3．2．1 條形圖
3．2．2 餅圖
3．2．3 直方圖
3．2．4 盒形圖
3．2．5 莖葉圖
3．2．6 散點圖
3．2．7 其他的圖描述法
3．3 用少量匯總數字的描述方法
3．3．1 關于數據位置的匯總統(tǒng)計量
3．3．2 關于數據尺度的匯總統(tǒng)計量
3．3．3 標準得分、標準化和離群點
3．4 習題
第四章 變量的分布
4．1 概率和概率分布
4．2 概率運算回顧
4．3 離散型隨機變量的分布
4．3．1 二項分布
4．3．2 多項分布
4．3．3 超幾何分布
4．3．4 Poisson分布
4．4 連續(xù)型隨機變量的分布
4．4．1 均勻分布
4．4．2 正態(tài)分布
4．4．3 總體分位數和尾概率
4．5 簡單概率計算例子
4．6 用小概率事件進行判斷
4．7 習題
第五章 抽樣分布
5．1 樣本函數的分布
5．1．1 樣本均值的分布
5．1．2 樣本均值的性質和中心極限定理
5．1．3 樣本比例的抽樣分布
5．2 常用的抽樣分布
5．2．1 χ2分布
5．2．2 t分布
5．2．3 F分布
5．3 非正態(tài)數據的正態(tài)化變換
5．4 統(tǒng)計量的一些常用函數
5．5 習題
第六章 簡單統(tǒng)計推斷：對總體參數的估計
6．1 點估計
6．2 區(qū)問估計
6．2．1 正態(tài)分布總體均值μ的區(qū)間估計
6．2．2 兩個獨立正態(tài)分布總體均值差μ1-μ2的區(qū)間估計
6．2．3 配對正態(tài)分布總體均值差μD=μ1一μ2的區(qū)間估計
6．2．4 總體比例（BeTnoulli試驗成功概率）p的區(qū)間估計
6．2．5 如何概算調查所需的樣本量
6．2．6 總體比例（Bernoulli試驗成功概率）之差p1一p2的區(qū)間估計
6．3 習題
第七章 簡單統(tǒng)計推斷：總體參數的假設檢驗
7．1 假設檢驗的過程和邏輯
7．2 正態(tài)總體均值的檢驗
7．2．1 對一個正態(tài)總體均值μ的t檢驗
7．2．2 對兩個正態(tài)總體均值之差μ1-μ2的t檢驗
7．2．3 配對正態(tài)分布總體均值差μD=μl-μ2的t檢驗
7．3 總體比例（Bernoulli試驗成功概率）p的檢驗
7．3．1 一個總體比例p的檢驗
7．3．2 兩個總體比例之差m-p2的檢驗
7．4 關于中位數的非參數檢驗
7．4．1 非參數檢驗簡介
7．4．2 單樣本的關于總體中位數（或總體α分位數）的符號檢驗
7．4．3 單樣本的關于對稱總體中位數（總體均值）的Wilcoxon符號秩檢驗
7．4．4 比較兩獨立樣本總體中位數的Wilcoxon秩和檢驗
7．5 習題
第八章 變量之間的關系
8．1 定性變量之間的相關
8．1．1 列聯(lián)表
8．1 X2檢驗
8．2 定量變量之間的相關
8．2．1 相關關系的圖形描述
8．2．2 相關關系的數字刻畫：Pearson線性相關系數
8．2．3 相關關系的數字刻畫：Kendau．T相關系數
8．3 習題
第九章 經典回歸和分類
9．1 回歸和分類概述
9．1．1 “黑匣子”說法
9．1．2 試圖破解“黑匣子”的實踐
9．1．3 回歸和分類的區(qū)別
9．2 線性回歸模型
9．2．1 因變量和自變量均為數量型變量的情形
9．2．2 因變量是數量型變量而自變量包含分類變量的情形
9．2．3 對于回歸利用交叉驗證的例子
9．3 Loglstic回歸
9．4 判別分析
9．5 習題
第十章 現(xiàn)代回歸和分類：數據挖掘方法
10．1 決策樹：分類樹和回歸樹
10．1．1 分類樹
10．1．2 回歸樹
10．2 組合方法：adaboost，bagging和隨機森林
10．2．1 為什么組合？
10．2．2 Boosting
10．2．3 Bagging
10．2．4 隨機森林
10．3 對于例9．6和例9．3的交叉驗證結果
10．4 習題
附錄：熟練使用R軟件
參考文獻