前辅文
第一章 统计学及其基本概念
第一节 统计学简介
一、统计的涵义
二、统计学的过去与现在
三、统计学的应用
第二节 数据及其分类
一、认识数据
二、数据类型Ⅰ
三、数据类型Ⅱ
第三节 统计学中的几个基本概念
一、统计总体和个体
二、标志、指标与指标体系
三、变量及其分类
第四节 统计计算工具
一、统计分析软件简介
二、Excel实现数据处理的主要途径
三、SPSS实现数据处理的主要途径
习题
第二章 数据的收集与整理
第一节 数据的收集
一、数据的来源
二、统计调查方案设计
三、统计调查的组织方式
四、统计调查方法
第二节 数据的整理
一、数据的审定
二、数据的分组
第三节 次数分布
一、次数分布数列及其种类
二、品质数列的编制
三、变量数列的编制
习题
第三章 统计表与统计图
第一节 统计表
一、统计表的结构
二、统计表的分类
三、统计表设计规则
第二节 用Excel做透视表
一、什么是透视表
二、如何做平面透视表（二维）
三、如何做立体透视表（三维）
第三节 用Excel汇总统计表
一、完全相同型的合并
二、不完全相同型的合并
第四节 统计图
一、统计图的结构
二、统计图的种类
第五节 用Excel和SPSS做统计图
一、饼图
二、条形图
三、直方图、折线图与曲线图
四、茎叶图与箱线图
习题
第四章 数据的描述性分析
第一节 相对程度的描述
一、计划完成程度相对指标
二、结构相对指标
三、比例相对指标
四、比较相对指标
五、动态相对指标
六、强度相对指标
七、相对指标应用的原则
第二节 集中趋势的描述
一、数值平均数
二、位置平均数
三、用Excel计算反映集中趋势的描述统计量
第三节 离散程度的描述
一、离散程度的绝对指标
二、离散程度的相对指标
三、数据的标准化
四、是非标志的平均数和方差
五、用Excel计算反映离散趋势的描述统计量
第四节 分布偏态与峰度的测度
一、分布的偏态
二、分布的峰度
三、用Excel计算反映分布趋势的描述统计量
四、数据分析工具——描述统计
习题
第五章 参数估计
第一节 统计推断的基本问题和概念
一、简单随机抽样和抽样误差
二、统计量及其抽样分布
第二节 总体参数的点估计
一、总体参数的点估计
二、点估计的评价标准
第三节 正态总体均值的区间估计
一、区间估计的概念和基本思想
二、单正态总体均值的区间估计
三、两正态总体均值之差的区间估计
四、单侧区间估计
五、考虑抽样方式后的公式修正
第四节 一般总体均值与成数的大样本区间估计
一、非正态总体均值的大样本区间估计
二、总体成数的大样本区间估计
三、单侧区间估计
第五节 正态总体方差的区间估计
一、单正态总体方差的区间估计
二、两正态总体方差之比的区间估计
第六节 样本容量的确定
一、总体均值估计的必要样本容量
二、总体成数估计的必要样本容量
三、影响必要样本容量的因素
习题
第六章 假设检验
第一节 假设检验概述
一、假设检验的基本思想
二、假设检验的步骤
三、两类错误和假设检验的规则
第二节 总体均值的检验
一、单个正态总体均值的检验
二、两个正态总体均值之差的检验
三、两个非正态总体均值之差的检验
第三节 总体成数的检验
一、单个总体成数的检验
二、两个总体成数之差的检验
第四节 总体方差的检验
一、一个正态总体方差的检验
二、两个正态总体方差之比的检验
习题
第七章 方差分析
第一节 方差分析概述
一、方差分析中的常用术语
二、方差分析的基本思想
三、总方差、组内方差和组间方差
四、方差分析的基本假定
第二节 单因素方差分析
一、单因素方差分析的数据结构
二、单因素方差分析的步骤
三、方差分析中的多重比较
第三节 双因素方差分析
一、双因素方差分析的种类
二、无交互作用的双因素方差分析
三、有交互作用的双因素方差分析
习题
第八章 非参数检验
第一节 非参数检验概述
第二节 单样本非参数检验
一、χ2拟合优度检验
二、单样本K-S检验
三、符号检验
四、游程检验
第三节 列联表与χ2的独立性检验
第四节 等级相关分析
一、Spearman等级相关系数
二、Kendall等级相关系数
习题
第九章 相关与回归分析
第一节 相关分析
一、相关关系的概念及分类
二、相关关系的识别
第二节 一元线性回归分析
一、一元线性回归
二、参数β0,β1的最小二乘估计
三、对一元回归方程的评价
四、一元回归方程的预测区间
第三节 多元线性回归分析
一、多元线性回归模型
二、多元回归模型的参数估计
三、对多元线性回归方程的评价
第四节 非线性回归模型
一、直接代换法
二、间接代换法
习题
第十章 多元统计分析
第一节 主成分分析
一、基本思想
二、数学模型
三、模型的求解
四、主成分的性质
五、基本步骤与应用实例
第二节 因子分析
一、基本思想
二、数学模型
三、因子载荷的统计含义
四、因子的求解
五、因子得分
六、基本步骤与应用实例
第三节 聚类分析
一、基本思想
二、统计量
三、分类方法（系统聚类法）
四、基本步骤与应用实例
第四节 判别分析
一、基本思想
二、基本方法
三、判别效果的评价
四、基本步骤与应用实例
习题
第十一章 时间序列分析
第一节 时间序列的有关概念
一、时间序列的构成因素
二、时间序列的数学模型
第二节 时间序列的因素分析
一、图形描述
二、长期趋势分析
三、季节变动分析
四、循环波动分析
第三节 随机时间序列分析
一、平稳随机过程概述
二、ARMA模型的识别
三、模型参数的估计
习题
第十二章 指数
第一节 指数概念
一、什么是指数
二、为什么要把数据转换成指数
第二节 指数的构造方法
一、简单综合指数
二、简单平均比率指数
三、拉氏指数和派氏指数
四、加权平均比率指数
五、指数公式优良性测试与指数体系
第三节 指数的应用与调整
一、指数的调整作用
二、指数数列与基期更换
三、拉氏指数与固定权数
四、总指数与类指数
第四节 几种常用的经济指数
一、消费者价格指数（CPI）
二、商品零售价格指数
三、股票价格指数
习题
第十三章 统计决策
第一节 统计决策概述
一、决策的概念
二、决策的步骤
第二节 风险型决策方法
一、损益矩阵
二、以期望值为标准的决策方法
三、以合理性为标准的决策方法
四、以最大可能性为标准的决策方法
五、决策树
六、敏感性分析
第三节 贝叶斯决策方法
一、贝叶斯定理
二、贝叶斯决策分析
第四节 不确定型决策方法
一、“好中求好”决策方法
二、“坏中求好”决策方法
三、α系数决策方法
四、“最小的最大后悔值”决策方法
五、各种决策方法的比较
习题
第十四章 统计质量管理
第一节 质量与质量管理
一、质量与质量波动原因
二、质量管理与统计质量管理
三、质量管理的简要历程
第二节 质量管理中的两个常用图形
一、帕雷托图
二、鱼刺图
第三节 统计过程控制图
一、计量值控制图
二、计数值控制图
三、控制图的观察分析
第四节 工序能力分析
一、工序能力指数
二、工序能力评价
三、控制用控制图
习题
第十五章 数据挖掘
第一节 数据挖掘的基本知识
一、数据挖掘产生及发展
二、数据挖掘的定义
三、数据挖掘的应用领域
四、数据挖掘的发展趋势
第二节 决策树分析
一、决策树算法概述
二、信息论原理
三、C4.5算法
四、实例计算
五、决策树规则
六、决策树的优缺点
第三节 聚类分析
一、聚类分析概述
二、主要的聚类分析算法
三、K-平均算法
四、实例计算
五、K-平均算法的局限
第四节 关联规则
一、关联规则概述
二、相关的术语与概念
三、关联规则的分类
四、Apriori算法
五、实例计算
六、从频繁项集产生关联规则
七、关联规则的不足
第五节 神经网络
一、神经网络概述
二、神经网络算法发展
三、神经网络的学习方式
四、常用的神经网络学习算法
五、BP神经网络学习算法
六、实例计算
七、神经网络注意事项
习题
附录
附表一 随机数表
附表二 标准正态分布表
附表三 t分布临界值表
附表四 χ2分布临界值表
附表五 F分布临界值表
附表六 单样本K-S检验统计量表
附表七 符号检验界域表
附表八 游程检验临界值表
附表九 相关系数临界值表
附表十 Spearman等级相关系数临界值表
附表十一 Kendall等级相关系数临界值表
附表十二 控制图系数表
主要参考书目
第一版后记
第二版后记
第三版后记
