統(tǒng)計(jì)學(xué)：從概念到數(shù)據(jù)分析（第二版）

第一章 引言
1．1 什么是科學(xué)方法？
1．2 什么是統(tǒng)計(jì)學(xué)？
1．3 統(tǒng)計(jì)學(xué)習(xí)需要的基礎(chǔ)知識(shí)和技能
1．4 習(xí)題
第二章 數(shù)據(jù)和變量
2．1 變量
2．2 數(shù)據(jù)
2．3 總體、樣本和抽樣
2．3 1幾個(gè)基本概念
2．3．2 抽樣調(diào)查方法
2．4 習(xí)題
第三章 數(shù)據(jù)的展示和描述方法
3．1 制表方法
3．2 統(tǒng)計(jì)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(diǎn)圖
3．2．7 其他的圖描述法
3．3 用少量匯總數(shù)字的描述方法
3．3．1 關(guān)于數(shù)據(jù)位置的匯總統(tǒng)計(jì)量
3．3．2 關(guān)于數(shù)據(jù)尺度的匯總統(tǒng)計(jì)量
3．3．3 標(biāo)準(zhǔn)得分、標(biāo)準(zhǔn)化和離群點(diǎn)
3．4 習(xí)題
第四章 變量的分布
4．1 概率和概率分布
4．2 概率運(yùn)算回顧
4．3 離散型隨機(jī)變量的分布
4．3．1 二項(xiàng)分布
4．3．2 多項(xiàng)分布
4．3．3 超幾何分布
4．3．4 Poisson分布
4．4 連續(xù)型隨機(jī)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(shù)和尾概率
4．5 簡單概率計(jì)算例子
4．6 用小概率事件進(jìn)行判斷
4．7 習(xí)題
第五章 抽樣分布
5．1 樣本函數(shù)的分布
5．1．1 樣本均值的分布
5．1．2 樣本均值的性質(zhì)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(shù)據(jù)的正態(tài)化變換
5．4 統(tǒng)計(jì)量的一些常用函數(shù)
5．5 習(xí)題
第六章 簡單統(tǒng)計(jì)推斷：對(duì)總體參數(shù)的估計(jì)
6．1 點(diǎn)估計(jì)
6．2 區(qū)問估計(jì)
6．2．1 正態(tài)分布總體均值μ的區(qū)間估計(jì)
6．2．2 兩個(gè)獨(dú)立正態(tài)分布總體均值差μ1-μ2的區(qū)間估計(jì)
6．2．3 配對(duì)正態(tài)分布總體均值差μD=μ1一μ2的區(qū)間估計(jì)
6．2．4 總體比例（BeTnoulli試驗(yàn)成功概率）p的區(qū)間估計(jì)
6．2．5 如何概算調(diào)查所需的樣本量
6．2．6 總體比例（Bernoulli試驗(yàn)成功概率）之差p1一p2的區(qū)間估計(jì)
6．3 習(xí)題
第七章 簡單統(tǒng)計(jì)推斷：總體參數(shù)的假設(shè)檢驗(yàn)
7．1 假設(shè)檢驗(yàn)的過程和邏輯
7．2 正態(tài)總體均值的檢驗(yàn)
7．2．1 對(duì)一個(gè)正態(tài)總體均值μ的t檢驗(yàn)
7．2．2 對(duì)兩個(gè)正態(tài)總體均值之差μ1-μ2的t檢驗(yàn)
7．2．3 配對(duì)正態(tài)分布總體均值差μD=μl-μ2的t檢驗(yàn)
7．3 總體比例（Bernoulli試驗(yàn)成功概率）p的檢驗(yàn)
7．3．1 一個(gè)總體比例p的檢驗(yàn)
7．3．2 兩個(gè)總體比例之差m-p2的檢驗(yàn)
7．4 關(guān)于中位數(shù)的非參數(shù)檢驗(yàn)
7．4．1 非參數(shù)檢驗(yàn)簡介
7．4．2 單樣本的關(guān)于總體中位數(shù)（或總體α分位數(shù)）的符號(hào)檢驗(yàn)
7．4．3 單樣本的關(guān)于對(duì)稱總體中位數(shù)（總體均值）的Wilcoxon符號(hào)秩檢驗(yàn)
7．4．4 比較兩獨(dú)立樣本總體中位數(shù)的Wilcoxon秩和檢驗(yàn)
7．5 習(xí)題
第八章 變量之間的關(guān)系
8．1 定性變量之間的相關(guān)
8．1．1 列聯(lián)表
8．1 X2檢驗(yàn)
8．2 定量變量之間的相關(guān)
8．2．1 相關(guān)關(guān)系的圖形描述
8．2．2 相關(guān)關(guān)系的數(shù)字刻畫：Pearson線性相關(guān)系數(shù)
8．2．3 相關(guān)關(guān)系的數(shù)字刻畫：Kendau．T相關(guān)系數(shù)
8．3 習(xí)題
第九章 經(jīng)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(shí)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(shù)量型變量的情形
9．2．2 因變量是數(shù)量型變量而自變量包含分類變量的情形
9．2．3 對(duì)于回歸利用交叉驗(yàn)證的例子
9．3 Loglstic回歸
9．4 判別分析
9．5 習(xí)題
第十章 現(xiàn)代回歸和分類：數(shù)據(jù)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(jī)森林
10．2．1 為什么組合？
10．2．2 Boosting
10．2．3 Bagging
10．2．4 隨機(jī)森林
10．3 對(duì)于例9．6和例9．3的交叉驗(yàn)證結(jié)果
10．4 習(xí)題
附錄：熟練使用R軟件
參考文獻(xiàn)