第1章 統(tǒng)計(jì)、數(shù)據(jù)和計(jì)算機(jī)
開(kāi)篇案例 怎樣理解這樣一些統(tǒng)計(jì)結(jié)論
1.1 統(tǒng)計(jì)及其應(yīng)用領(lǐng)域
1.1.1 統(tǒng)計(jì)學(xué)研究什么
1.1.2 統(tǒng)計(jì)的應(yīng)用
1.2 怎樣獲得數(shù)據(jù)
1.2.1 變量與數(shù)據(jù)
1.2.2 數(shù)據(jù)的來(lái)源
1.3 統(tǒng)計(jì)與計(jì)算機(jī)
思維導(dǎo)圖：統(tǒng)計(jì)方法分類與本書(shū)框架
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)0

第2章 用圖表展示數(shù)據(jù)
開(kāi)篇案例 用哪些圖形展示獎(jiǎng)牌
2.1 生成頻數(shù)分布表
2.1.1 類別數(shù)據(jù)的頻數(shù)分布表
2.1.2 數(shù)值數(shù)據(jù)的頻數(shù)分布表
2.2 類別數(shù)據(jù)可視化
2.2.1 條形圖
2.2.2 餅圖和環(huán)形圖
2.3 數(shù)值數(shù)據(jù)可視化
2.3.1 展示數(shù)據(jù)分布的圖形
2.3.2 展示變量間關(guān)系的圖形
2.3.3 展示樣本相似性的圖形
2.3.4 時(shí)間序列圖形
2.4 合理使用圖表
思維導(dǎo)圖：數(shù)據(jù)類型與圖表展示方法
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第3章 用統(tǒng)計(jì)量描述數(shù)據(jù)
開(kāi)篇案例 哪名運(yùn)動(dòng)員發(fā)揮更穩(wěn)定
3.1 描述水平的統(tǒng)計(jì)量
3.1.1 平均數(shù)
3.1.2 分位數(shù)
3.1.3 眾數(shù)
3.1.4 用哪個(gè)值代表一組數(shù)據(jù)
3.2 描述差異的統(tǒng)計(jì)量
3.2.1 極差和四分位差
3.2.2 方差和標(biāo)準(zhǔn)差
3.2.3 離散系數(shù)
3.2.4 標(biāo)準(zhǔn)分?jǐn)?shù)
3.3 描述分布形狀的統(tǒng)計(jì)量
3.3.1 偏度系數(shù)
3.3.2 峰度系數(shù)
思維導(dǎo)圖：數(shù)據(jù)分布特征與描述統(tǒng)計(jì)量
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第4章 概率分布
開(kāi)篇案例 神舟七號(hào)飛船遭遇空間碎片的概率有多大
4.1 什么是概率
4.2 隨機(jī)變量的概率分布
4.2.1 隨機(jī)變量及其概括性度量
4.2.2 離散型概率分布
4.2.3 連續(xù)型概率分布
4.3 其他幾個(gè)重要的統(tǒng)計(jì)分布
4.3.1 χ2分布
4.3.2 t分布
4.3.3 F分布
4.4 樣本統(tǒng)計(jì)量的概率分布
4.4.1 統(tǒng)計(jì)量及其分布
4.4.2 樣本均值的分布與中心極限定理
4.4.3 樣本方差的分布
4.4.4 樣本比例的分布
4.4.5 統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤
思維導(dǎo)圖：隨機(jī)變量的概率分布
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第5章 參數(shù)估計(jì)
開(kāi)篇案例 大學(xué)生每周上網(wǎng)花多少時(shí)間
5.1 參數(shù)估計(jì)的基本原理
5.1.1 點(diǎn)估計(jì)與區(qū)間估計(jì)
5.1.2 評(píng)價(jià)估計(jì)量的標(biāo)準(zhǔn)
5.2 一個(gè)總體參數(shù)的區(qū)間估計(jì)
5.2.1 總體均值的區(qū)間估計(jì)
5.2.2 總體比例的區(qū)間估計(jì)
5.2.3 總體方差的區(qū)間估計(jì)
5.3 兩個(gè)總體參數(shù)的區(qū)間估計(jì)
5.3.1 兩個(gè)總體均值差的區(qū)間估計(jì)
5.3.2 兩個(gè)總體比例差的區(qū)間估計(jì)
5.3.3 兩個(gè)總體方差比的區(qū)間估計(jì)
5.4 樣本量的確定
5.4.1 估計(jì)總體均值時(shí)樣本量的確定
5.4.2 估計(jì)總體比例時(shí)樣本量的確定
思維導(dǎo)圖：參數(shù)估計(jì)所使用的分布
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第6章 假設(shè)檢驗(yàn)
開(kāi)篇案例 正常人的平均體溫是37℃嗎
6.1 假設(shè)檢驗(yàn)的基本原理
6.1.1 怎樣提出假設(shè)
6.1.2 怎樣做出決策
6.1.3 怎樣表述決策結(jié)果
6.2 一個(gè)總體參數(shù)的檢驗(yàn)
6.2.1 總體均值的檢驗(yàn)
6.2.2 總體比例的檢驗(yàn)
6.2.3 總體方差的檢驗(yàn)
6.3 兩個(gè)總體參數(shù)的檢驗(yàn)
6.3.1 兩個(gè)總體均值差的檢驗(yàn)
6.3.2 兩個(gè)總體比例差的檢驗(yàn)
6.3.3 兩個(gè)總體方差比的檢驗(yàn)
6.4 正態(tài)性檢驗(yàn)
6.4.1 正態(tài)概率圖
6.4.2 S-W檢驗(yàn)和K-S檢驗(yàn)
思維導(dǎo)圖：假設(shè)檢驗(yàn)的內(nèi)容框架
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第7章 類別變量的推斷
開(kāi)篇案例 性別與是否逃課有關(guān)系嗎
7.1 一個(gè)類別變量的擬合優(yōu)度檢驗(yàn)
7.1.1 期望頻數(shù)相等
7.1.2 期望頻數(shù)不等
7.2 兩個(gè)類別變量的獨(dú)立性檢驗(yàn)
7.2.1 列聯(lián)表與χ2獨(dú)立性檢驗(yàn)
7.2.2 應(yīng)用χ2檢驗(yàn)應(yīng)注意的問(wèn)題
7.3 兩個(gè)類別變量的相關(guān)性度量
7.3.1 φ系數(shù)和克萊姆V系數(shù)
7.3.2 列聯(lián)系數(shù)
思維導(dǎo)圖：類別變量檢驗(yàn)方法
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第8章 方差分析與實(shí)驗(yàn)設(shè)計(jì)
開(kāi)篇案例 不同運(yùn)動(dòng)隊(duì)的平均成績(jī)之間是否有顯著差異
8.1 方差分析的基本原理
8.1.1 什么是方差分析
8.1.2 誤差分解
8.2 單因子方差分析
8.2.1 數(shù)學(xué)模型
8.2.2 效應(yīng)檢驗(yàn)
8.2.3 多重比較
8.3 雙因子方差分析
8.3.1 數(shù)學(xué)模型
8.3.2 主效應(yīng)分析
8.3.3 交互效應(yīng)分析
8.4 方差分析的假定及其檢驗(yàn)
8.4.1 正態(tài)性檢驗(yàn)
8.4.2 方差齊性檢驗(yàn)
8.5 實(shí)驗(yàn)設(shè)計(jì)初步
8.5.1 完全隨機(jī)化設(shè)計(jì)
8.5.2 隨機(jī)化區(qū)組設(shè)計(jì)
8.5.3 析因設(shè)計(jì)
思維導(dǎo)圖：方差分析過(guò)程
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第9章 一元線性回歸
開(kāi)篇案例 子代與父代一樣嗎
9.1 變量間的關(guān)系
9.1.1 變量間是什么樣的關(guān)系
9.1.2 用散點(diǎn)圖描述相關(guān)關(guān)系
9.1.3 用相關(guān)系數(shù)度量關(guān)系強(qiáng)度
9.2 一元線性回歸模型的估計(jì)和檢驗(yàn)
9.2.1 一元線性回歸模型及其假定
9.2.2 參數(shù)的最小二乘估計(jì)
9.2.3 模型的擬合優(yōu)度
9.2.4 模型的顯著性檢驗(yàn)
9.3 利用回歸方程進(jìn)行預(yù)測(cè)
9.3.1 平均值的置信區(qū)間
9.3.2 個(gè)別值的預(yù)測(cè)區(qū)間
9.4 回歸模型的診斷
9.4.1 殘差與殘差圖
9.4.2 檢驗(yàn)?zāi)Ｐ图俣?
思維導(dǎo)圖：一元線性回歸的建模過(guò)程
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第10章 多元線性回歸
開(kāi)篇案例 身高受哪些因素影響
10.1 多元線性回歸模型
10.1.1 回歸模型與回歸方程
10.1. 2 參數(shù)的最小二乘估計(jì)
10.2 擬合優(yōu)度和顯著性檢驗(yàn)
10.2.1 模型的擬合優(yōu)度
10.2.2 模型的顯著性檢驗(yàn)
10.3 多重共線性及其處理
10.3.1 多重共線性及其識(shí)別
10.3.2 變量選擇與逐步回歸
10.4 利用回歸方程進(jìn)行預(yù)測(cè)
10.5 啞變量回歸
10.5.1 在模型中引入啞變量
10.5.2 含有一個(gè)啞變量的回歸
10.6 模型診斷
思維導(dǎo)圖：多元線性回歸的建模過(guò)程
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第11章 時(shí)間序列預(yù)測(cè)
開(kāi)篇案例 如何預(yù)測(cè)下一年各季度的GDP
11.1 時(shí)間序列的成分和預(yù)測(cè)方法
11.1.1 時(shí)間序列的成分
11.1.2 預(yù)測(cè)方法的選擇與評(píng)估
11.2 平滑法預(yù)測(cè)
11.2.1 簡(jiǎn)單指數(shù)平滑預(yù)測(cè)
11.2.2 霍爾特指數(shù)平滑預(yù)測(cè)
11.2.3 溫特斯指數(shù)平滑預(yù)測(cè)
11.3 趨勢(shì)外推預(yù)測(cè)
11.3.1 線性趨勢(shì)預(yù)測(cè)
11.3.2 非線性趨勢(shì)預(yù)測(cè)
11.4 分解預(yù)測(cè)
思維導(dǎo)圖：時(shí)間序列預(yù)測(cè)的思路
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)

第12章 非參數(shù)檢驗(yàn)
開(kāi)篇案例 東部地區(qū)和西部地區(qū)的人均可支配收入是否相同
12.1 單樣本的檢驗(yàn)
12.1.1 中位數(shù)的符號(hào)檢驗(yàn)
12.1.2 威爾科克森符號(hào)秩檢驗(yàn)
12.2 兩個(gè)及兩個(gè)以上樣本的檢驗(yàn)
12.2.1 兩個(gè)配對(duì)樣本的威爾科克森符號(hào)秩檢驗(yàn)
12.2.2 兩個(gè)獨(dú)立樣本的曼惠特尼檢驗(yàn)
12.2.3 k個(gè)獨(dú)立樣本的克魯斯卡爾沃利斯檢驗(yàn)
12.3 秩相關(guān)及其檢驗(yàn)
12.3.1 斯皮爾曼秩相關(guān)及其檢驗(yàn)
12.3.2 肯德?tīng)栔认嚓P(guān)及其檢驗(yàn)
思維導(dǎo)圖：非參數(shù)檢驗(yàn)方法
主要術(shù)語(yǔ)
軟件應(yīng)用
思考與練習(xí)