描述
包 装: 平装国际标准书号ISBN: 9787300221120丛书名: 新编21世纪远程教育精品教材·经济与管理系列
编辑推荐
导语_点评_推荐词
内容简介
本书在第二版的基础上进行了相应的修订工作，系统地介绍了基本的统计分析方法，具体包括数据的收集、数据的描述、概率与概率分布、假设检验、方差分析、时间序列分析等。本书在讲授统计方法的同时，注重方法背后统计思想的阐述，并注重统计方法与计算机的结合，语言通俗易懂，既可作为教师讲课的教材，也适用于学员自学。
目 录
章 引 论
节 统计数据与统计学
第二节 一些基本概念
第三节 统计与统计软件
本章小结
思考与练习
第二章 数据的收集
节 数据的来源
第二节 数据误差
第三节 数据文件
本章小结
思考与练习
第三章 数据的描述———数据的直观显示
节 用统计表描述数据
第二节 用统计图描述数据
本章小结
思考与练习
第四章 数据的描述———重要的统计量
节 集中趋势的描述
第二节 离散趋势的描述
第三节 偏态与峰度的描述
第四节 数据的标准化处理
本章小结
思考与练习
第五章 概率与概率分布
节 概率的问题
第二节 离散型随机变量的概率分布
第三节 连续型随机变量的概率分布
第四节 抽样分布
本章小结
思考与练习
第六章 参数估计
节 点估计
第二节 区间估计
第三节 一个总体情形下参数的区间估计
第四节 两个总体情形下参数的区间估计
第五节 关于样本量
本章小结
思考与练习
第七章 假设检验
节 假设检验的基本问题
第二节 一个总体参数的假设检验
第三节 两个总体参数的假设检验
本章小结
思考与练习
第八章 列联分析
节 定类数据与列联表
第二节 拟合优度检验
第三节 独立性检验
第四节 列联表中的相关测量
第五节 列联分析中应注意的问题
本章小结
思考与练习
第九章 方差分析
节 基本问题
第二节 单因素方差分析
第三节 双因素方差分析
本章小结
思考与练习
第十章 相关与回归
节 相关分析
第二节 回归分析
第三节 用回归方程进行预测
本章小结
思考与练习
第十一章 时间序列分析
节 时间序列的描述
第二节 时间序列的分解法
第三节 时间序列的平滑法
本章小结
思考与练习
第十二章 指 数
节 基本问题
第二节 总指数编制方法
第三节 指数体系
第四节 几种典型的指数
第五节 综合评价指数
本章小结
思考与练习
思考与练习参考答案
参考文献
节 统计数据与统计学
第二节 一些基本概念
第三节 统计与统计软件
本章小结
思考与练习
第二章 数据的收集
节 数据的来源
第二节 数据误差
第三节 数据文件
本章小结
思考与练习
第三章 数据的描述———数据的直观显示
节 用统计表描述数据
第二节 用统计图描述数据
本章小结
思考与练习
第四章 数据的描述———重要的统计量
节 集中趋势的描述
第二节 离散趋势的描述
第三节 偏态与峰度的描述
第四节 数据的标准化处理
本章小结
思考与练习
第五章 概率与概率分布
节 概率的问题
第二节 离散型随机变量的概率分布
第三节 连续型随机变量的概率分布
第四节 抽样分布
本章小结
思考与练习
第六章 参数估计
节 点估计
第二节 区间估计
第三节 一个总体情形下参数的区间估计
第四节 两个总体情形下参数的区间估计
第五节 关于样本量
本章小结
思考与练习
第七章 假设检验
节 假设检验的基本问题
第二节 一个总体参数的假设检验
第三节 两个总体参数的假设检验
本章小结
思考与练习
第八章 列联分析
节 定类数据与列联表
第二节 拟合优度检验
第三节 独立性检验
第四节 列联表中的相关测量
第五节 列联分析中应注意的问题
本章小结
思考与练习
第九章 方差分析
节 基本问题
第二节 单因素方差分析
第三节 双因素方差分析
本章小结
思考与练习
第十章 相关与回归
节 相关分析
第二节 回归分析
第三节 用回归方程进行预测
本章小结
思考与练习
第十一章 时间序列分析
节 时间序列的描述
第二节 时间序列的分解法
第三节 时间序列的平滑法
本章小结
思考与练习
第十二章 指 数
节 基本问题
第二节 总指数编制方法
第三节 指数体系
第四节 几种典型的指数
第五节 综合评价指数
本章小结
思考与练习
思考与练习参考答案
参考文献
前 言
序言
媒体评论
评论
在线试读
一、统计数据的类型
数据是统计的起点，要进行统计分析，首先要获得相关数据。在学习统计学前，有必要了解统计数据的类型。
（一）按照所采用计量尺度的不同分类
统计数据按照所采用计量尺度的不同可划分为三种类型，即数值型数据、分类型数据和顺序型数据。
1.数值型数据（metric data）
数值型数据是指直接使用自然数或度量衡单位进行计量的用数字尺度测量的观察值。
例如， GDP等的宏观经济运行数据、每天进出海关的旅游人数、某地流动人口的数量等。数值型数据的表现就是具体的数值，统计处理中的大多数都是数值型数据。
2.分类型数据（categorical data）
分类型数据是指反映事物类别的数据。分类属性具有有限个（可能很多）不同值，值之间无序。
例如人口按性别分为男女两类，受教育程度也可以按不同类别来区分，这种数据通常用频数（率）表示分类的结果，例如某地区男性常住人口占52%、女性占48%。
3.顺序型数据（rank data）
只能归于某一有序类别的非数字型数据，称为顺序型数据。
例如满意度调查中的选项有“非常满意”、“比较满意”、“比较不满意”、“非常不满 意”等;再如将学生的考试成绩分为优、良、中、及格、不及格等。
在这三类数据中，数值型数据由于说明了事物的数量特征，因此可归为定量数据（quantitative data），分类型数据和顺序型数据由于定义了事物所属的类别，说明了事物的 品质特征，因而可统称为定性数据（qualitative data）。区分数据的类型非常重要，这是因为不同类型的数据在一些情况下，需要用不同的统计方法进行处理。
（二）按照收集方法的不同分类
按照收集方法的不同，可将统计数据分为观测数据和实验数据两类。
1.观测数据（observational data）
观测数据是在没有对事物进行人为控制的条件下，通过调查或观测而收集到的数据。
观测数据主要集中在社会经济领域。例如，对商品零售价格变动水平进行测量可以得到商品零售价格指数，对股票价格变动水平进行测量可以得到股票价格指数等。
2.实验数据（experimental data）
实验数据指的是通过在实验中控制实验对象而收集到的数据。
实验数据主要集中在自然科学领域。比如某种新型电池的使用寿命、一种新型降压药疗效的实验数据等。
（三）按照是否与时间相联系分类
按照是否与时间相联系，还可以将统计数据分成截面数据和时间序列数据。
1.截面数据（cross-section data）
在相同或近似相同的时间点上收集的数据，称为截面数据。
截面数据描述了现象在某一时刻的变化情况，它通常是在不同的空间上获得的数据。
2.时间序列数据（time series data）
在不同时间上收集到的数据，称为时间序列数据。
时间序列数据常用于描述现象随时间变化的情况。
二、统计学
统计学是一门收集、整理和分析数据的科学，有数据的地方，就有统计学的应用。收集数据并研究如何得到数据，与之对应的是统计学中的抽样调查和试验设计等理论;整理数据指的是将数据用图或表的形式展现出来，与之对应的是描述统计的方法;分析数据指的是选择适当的统计方法研究数据，并从数据中提取有用信息进而得出结论，更多地对应于推断统计的理论与方法，包含参数估计、假设检验、相关分析、回归分析、时间序列分析等诸多内容。
统计学的应用领域非常广泛，是一门适用于几乎所有学科领域的通用数据分析方法。无论是学术研究还是政府管理，无论是公司或企业的生产经营管理还是人们的日常生活，都离不开统计方法的应用。
当今世界正进入大数据的时代，全球知名咨询公司麦肯锡称:“数据，已经渗透到当今每一个行业和业务职能领域。”随着信息技术，特别是数据库技术的发展，社会各行业和领域收集、存储数据的能力有了很大的提高，同时积累了大量的数据，这为统计自身理论的进一步发展和在社会各领域的更广泛应用提供了机会。在知识经济和信息时代，统计学具有十分广阔的前景。
数据是统计的起点，要进行统计分析，首先要获得相关数据。在学习统计学前，有必要了解统计数据的类型。
（一）按照所采用计量尺度的不同分类
统计数据按照所采用计量尺度的不同可划分为三种类型，即数值型数据、分类型数据和顺序型数据。
1.数值型数据（metric data）
数值型数据是指直接使用自然数或度量衡单位进行计量的用数字尺度测量的观察值。
例如， GDP等的宏观经济运行数据、每天进出海关的旅游人数、某地流动人口的数量等。数值型数据的表现就是具体的数值，统计处理中的大多数都是数值型数据。
2.分类型数据（categorical data）
分类型数据是指反映事物类别的数据。分类属性具有有限个（可能很多）不同值，值之间无序。
例如人口按性别分为男女两类，受教育程度也可以按不同类别来区分，这种数据通常用频数（率）表示分类的结果，例如某地区男性常住人口占52%、女性占48%。
3.顺序型数据（rank data）
只能归于某一有序类别的非数字型数据，称为顺序型数据。
例如满意度调查中的选项有“非常满意”、“比较满意”、“比较不满意”、“非常不满 意”等;再如将学生的考试成绩分为优、良、中、及格、不及格等。
在这三类数据中，数值型数据由于说明了事物的数量特征，因此可归为定量数据（quantitative data），分类型数据和顺序型数据由于定义了事物所属的类别，说明了事物的 品质特征，因而可统称为定性数据（qualitative data）。区分数据的类型非常重要，这是因为不同类型的数据在一些情况下，需要用不同的统计方法进行处理。
（二）按照收集方法的不同分类
按照收集方法的不同，可将统计数据分为观测数据和实验数据两类。
1.观测数据（observational data）
观测数据是在没有对事物进行人为控制的条件下，通过调查或观测而收集到的数据。
观测数据主要集中在社会经济领域。例如，对商品零售价格变动水平进行测量可以得到商品零售价格指数，对股票价格变动水平进行测量可以得到股票价格指数等。
2.实验数据（experimental data）
实验数据指的是通过在实验中控制实验对象而收集到的数据。
实验数据主要集中在自然科学领域。比如某种新型电池的使用寿命、一种新型降压药疗效的实验数据等。
（三）按照是否与时间相联系分类
按照是否与时间相联系，还可以将统计数据分成截面数据和时间序列数据。
1.截面数据（cross-section data）
在相同或近似相同的时间点上收集的数据，称为截面数据。
截面数据描述了现象在某一时刻的变化情况，它通常是在不同的空间上获得的数据。
2.时间序列数据（time series data）
在不同时间上收集到的数据，称为时间序列数据。
时间序列数据常用于描述现象随时间变化的情况。
二、统计学
统计学是一门收集、整理和分析数据的科学，有数据的地方，就有统计学的应用。收集数据并研究如何得到数据，与之对应的是统计学中的抽样调查和试验设计等理论;整理数据指的是将数据用图或表的形式展现出来，与之对应的是描述统计的方法;分析数据指的是选择适当的统计方法研究数据，并从数据中提取有用信息进而得出结论，更多地对应于推断统计的理论与方法，包含参数估计、假设检验、相关分析、回归分析、时间序列分析等诸多内容。
统计学的应用领域非常广泛，是一门适用于几乎所有学科领域的通用数据分析方法。无论是学术研究还是政府管理，无论是公司或企业的生产经营管理还是人们的日常生活，都离不开统计方法的应用。
当今世界正进入大数据的时代，全球知名咨询公司麦肯锡称:“数据，已经渗透到当今每一个行业和业务职能领域。”随着信息技术，特别是数据库技术的发展，社会各行业和领域收集、存储数据的能力有了很大的提高，同时积累了大量的数据，这为统计自身理论的进一步发展和在社会各领域的更广泛应用提供了机会。在知识经济和信息时代，统计学具有十分广阔的前景。
评论
还没有评论。