《统计学-基于R应用》贾俊平 | PDF下载|ePub下载
统计学-基于R应用 版权信息
- 出版社：机械工业出版社
- 出版时间：2014-06-01
- ISBN：9787111466512
- 条形码：9787111466512 ; 978-7-111-46651-2
统计学-基于R应用 本书特色
本书是一本基于r实现全部例题计算与分析的统计学教材，书中例题的解答给出了r的详细程序和结果。全书内容共10章，包括数据的描述性分析方法、推断方法以及实际中常用的一些统计方法。 《统计学(基于r应用)》可作为高等院校经济管理类专业本科生统计学课程的教材，也可作为其他文科专业及部分理、工、农、林、医、药专业的教材或参考书，对广大实际工作者也极具参考价值
统计学-基于R应用 内容简介
贾俊平编著的这本《统计学(基于r应用)》系统地介绍了统计学的基本思想、基本方法及应用，包括数据的描述性分析方法、推断方法以及实际中常用的一些统计方法。与市场上的很多教材不同。本书没有复杂的证明和枯燥的公式，而是从生活中实际遇到的数据出发，一步一步地引导读者分析数据，解决实际问题。书中强调统计方法的应用，基于r实现全部例题的计算与分析，例题的解答给出了r的详细程序和结果。 通过本书的学习，读者能具备基本的统计思想，掌握基本的统计方法，并应用这些方法去分析和解决实际问题，为进一步的学习和研究打下良好的基础。
统计学-基于R应用 目录
前言
第1章 统计学与
1.1 统计学与数据
1.1.1 什么是统计学
1.1.2 数据及其来源
1.2 r简介
1.2.1 r的初步使用
1.2.2 数据的读入与保存
1.2.3 包的安装和加载
1.2.4 函数的编写
思考与练习
第2章 数据的描述
2.1 用图表描述数据
2.1.1 类别数据的图表展示
2.1.2 数值数据的图表展示
2.1.3 使用图表的注意事项
2.2 用统计量描述数据
2.2.1 水平的描述
2.2.2 差异的描述
2.2.3 分布形状的描述
思考与练习
第3章 概率分布
3.1 什么是概率
3.2 随机变量的概率分布
3.2.1 随机变量及其概括性度量
3.2.2 随机变量的概率分布
3.2.3 其他几个重要的统计分布
3.3 样本统计量的概率分布
3.3.1 统计量及其分布
3.3.2 样本均值的分布
3.3.3 其他统计量的分布
3.3.4 统计量的标准误差
思考与练习
第4章 参数估计
4.1 参数估计的基本原理
4.1.1 点估计与区间估计
4.1.2 评价估计量的标准
4.2 总体均值的区间估计
4.2.1 一个总体均值的估计
4.2.2 两个总体均值之差的估计
4.3 总体比例的区间估计
4.3.1 一个总体比例的估计
4.3.2 两个总体比例之差的估计
4.4 总体方差的区间估计
4.4.1 一个总体方差的估计
4.4.2 两个总体方差比的估计
思考与练习
第5章 假设检验
5.1 假设检验的基本原理
5.1.1 怎样提出假设
5.1.2 怎样做出决策
5.1.3 怎样表述决策结果
5.2 总体均值的检验
5.2.1 一个总体均值的检验
5.2.2 两个总体均值之差的检验
5.3 总体比例的检验
5.3.1 一个总体比例的检验
5.3.2 两个总体比例之差的检验
5.4 总体方差的检验
5.4.1 一个总体方差的检验
5.4.2 两个总体方差比的检验
思考与练习
第6章 类别变量分析
6.1 一个类别变量的拟合优度检验
6.1.1 期望频数相等
6.1.2 期望频数不等
6.2 两个类别变量的独立性检验
6.2.1 列联表与χ2独立性检验
6.2.2 应用χ2检验的注意事项
6.3 两个类别变量的相关性度量
6.3.1 φ系数和cramer’s v系数
6.3.2 列联系数
思考与练习
第7章 方差分析
7.1 方差分析的基本原理
7.1.1 什么是方差分析
7.1.2 误差分解
7.1.3 方差分析的基本假定
7.2 单因子方差分析
7.2.1 数学模型
7.2.2 效应检验
7.2.3 多重比较
7.3 双因子方差分析
7.3.1 数学模型
7.3.2 主效应分析
7.3.3 交互效应分析
思考与练习
第8章 一元线性回归
8.1 变量间的关系
8.1.1 确定变量之间的关系
8.1.2 相关关系的描述
8.1.3 关系强度的度量
8.2 回归模型的估计和检验
8.2.1 一元线性回归模型
8.2.2 参数的*小二乘估计
8.2.3 模型的拟合优度
8.2.4 模型的显著性检验
8.3 利用回归方程进行预测
8.3.1 平均值的置信区间
8.3.2 个别值的预测区间
8.4 回归模型的诊断
8.4.1 残差与标准化残差
8.4.2 模型诊断
思考与练习
第9章 多元线性回归
9.1 多元线性回归模型
9.1.1 回归模型与回归方程
9.1.2 参数的*小二乘估计
9.2 拟合优度和显著性检验
9.2.1 模型的拟合优度
9.2.2 模型的显著性检验
9.3 多重共线性及其处理
9.3.1 多重共线性及其识别
9.3.2 变量选择与逐步回归
9.4 利用回归方程进行预测
思考与练习
第10章 时间序列预测
10.1 时间序列的成分和预测方法
10.1.1 时间序列的成分
10.1.2 预测方法的选择与评估
10.2 指数平滑预测
10.2.1 指数平滑模型的一般表达
10.2.2 简单指数平滑预测
10.2.3 holt指数平滑预测
10.2.4 winter指数平滑预测
10.3 趋势外推预测
10.3.1 线性趋势预测
10.3.2 非线性趋势预测
10.4 分解预测
思考与练习
参考书目
第1章 统计学与
1.1 统计学与数据
1.1.1 什么是统计学
1.1.2 数据及其来源
1.2 r简介
1.2.1 r的初步使用
1.2.2 数据的读入与保存
1.2.3 包的安装和加载
1.2.4 函数的编写
思考与练习
第2章 数据的描述
2.1 用图表描述数据
2.1.1 类别数据的图表展示
2.1.2 数值数据的图表展示
2.1.3 使用图表的注意事项
2.2 用统计量描述数据
2.2.1 水平的描述
2.2.2 差异的描述
2.2.3 分布形状的描述
思考与练习
第3章 概率分布
3.1 什么是概率
3.2 随机变量的概率分布
3.2.1 随机变量及其概括性度量
3.2.2 随机变量的概率分布
3.2.3 其他几个重要的统计分布
3.3 样本统计量的概率分布
3.3.1 统计量及其分布
3.3.2 样本均值的分布
3.3.3 其他统计量的分布
3.3.4 统计量的标准误差
思考与练习
第4章 参数估计
4.1 参数估计的基本原理
4.1.1 点估计与区间估计
4.1.2 评价估计量的标准
4.2 总体均值的区间估计
4.2.1 一个总体均值的估计
4.2.2 两个总体均值之差的估计
4.3 总体比例的区间估计
4.3.1 一个总体比例的估计
4.3.2 两个总体比例之差的估计
4.4 总体方差的区间估计
4.4.1 一个总体方差的估计
4.4.2 两个总体方差比的估计
思考与练习
第5章 假设检验
5.1 假设检验的基本原理
5.1.1 怎样提出假设
5.1.2 怎样做出决策
5.1.3 怎样表述决策结果
5.2 总体均值的检验
5.2.1 一个总体均值的检验
5.2.2 两个总体均值之差的检验
5.3 总体比例的检验
5.3.1 一个总体比例的检验
5.3.2 两个总体比例之差的检验
5.4 总体方差的检验
5.4.1 一个总体方差的检验
5.4.2 两个总体方差比的检验
思考与练习
第6章 类别变量分析
6.1 一个类别变量的拟合优度检验
6.1.1 期望频数相等
6.1.2 期望频数不等
6.2 两个类别变量的独立性检验
6.2.1 列联表与χ2独立性检验
6.2.2 应用χ2检验的注意事项
6.3 两个类别变量的相关性度量
6.3.1 φ系数和cramer’s v系数
6.3.2 列联系数
思考与练习
第7章 方差分析
7.1 方差分析的基本原理
7.1.1 什么是方差分析
7.1.2 误差分解
7.1.3 方差分析的基本假定
7.2 单因子方差分析
7.2.1 数学模型
7.2.2 效应检验
7.2.3 多重比较
7.3 双因子方差分析
7.3.1 数学模型
7.3.2 主效应分析
7.3.3 交互效应分析
思考与练习
第8章 一元线性回归
8.1 变量间的关系
8.1.1 确定变量之间的关系
8.1.2 相关关系的描述
8.1.3 关系强度的度量
8.2 回归模型的估计和检验
8.2.1 一元线性回归模型
8.2.2 参数的*小二乘估计
8.2.3 模型的拟合优度
8.2.4 模型的显著性检验
8.3 利用回归方程进行预测
8.3.1 平均值的置信区间
8.3.2 个别值的预测区间
8.4 回归模型的诊断
8.4.1 残差与标准化残差
8.4.2 模型诊断
思考与练习
第9章 多元线性回归
9.1 多元线性回归模型
9.1.1 回归模型与回归方程
9.1.2 参数的*小二乘估计
9.2 拟合优度和显著性检验
9.2.1 模型的拟合优度
9.2.2 模型的显著性检验
9.3 多重共线性及其处理
9.3.1 多重共线性及其识别
9.3.2 变量选择与逐步回归
9.4 利用回归方程进行预测
思考与练习
第10章 时间序列预测
10.1 时间序列的成分和预测方法
10.1.1 时间序列的成分
10.1.2 预测方法的选择与评估
10.2 指数平滑预测
10.2.1 指数平滑模型的一般表达
10.2.2 简单指数平滑预测
10.2.3 holt指数平滑预测
10.2.4 winter指数平滑预测
10.3 趋势外推预测
10.3.1 线性趋势预测
10.3.2 非线性趋势预测
10.4 分解预测
思考与练习
参考书目
统计学-基于R应用 作者简介
贾俊平，中国人民大学统计学院副教授。研究方向：统计方法在经济各领域的应用、统计教学方式和方法。主要著作有：《统计学》、《描述统计》、《工商管理统计》、《市场调查与分析》等。主持研究的“非统计学专业本科公共基础课――统计学教学改革”项目获2001年国家级教学成果二等奖、2001年北京市教学成果一等奖。2001年荣获北京市经济技术创新标兵称号，2003年荣获宝钢优秀教师奖等。
