目　　錄
前言
第1章　數(shù)據(jù)導(dǎo)論　1
1.1　什么是數(shù)據(jù)　2
1.2　數(shù)據(jù)分類與存儲(chǔ)　5
1.2.1　變量類型　6
1.2.2　分類數(shù)據(jù)的數(shù)字編碼　7
1.2.3　數(shù)據(jù)存儲(chǔ)　8
1.3　數(shù)據(jù)調(diào)查　10
1.4　分類數(shù)據(jù)的組織　14
1.5　數(shù)據(jù)收集與因果關(guān)系識(shí)別　18
1.5.1　逸事　19
1.5.2　觀察性研究　20
1.5.3　對照實(shí)驗(yàn)　22
1.5.4　樣本量　22
1.5.5　隨機(jī)分配　22
1.5.6　盲法　23
1.5.7　安慰劑　24
1.5.8　結(jié)論推廣　25
1.5.9　新聞中的統(tǒng)計(jì)　26
數(shù)據(jù)項(xiàng)目：下載和上傳數(shù)據(jù)　28
本章回顧　30
練習(xí)　32
練習(xí)指導(dǎo)　46
第2章　圖形可視化變異　48
2.1　數(shù)值數(shù)據(jù)變異的可視化　49
2.1.1　點(diǎn)圖　51
2.1.2　直方圖　51
2.1.3　莖葉圖　54
2.2　數(shù)值分布重要特征匯總　55
2.2.1　形狀　56
2.2.2　中心　60
2.2.3　變異性　62
2.2.4　分布的描述　64
2.3　分類變量變異的可視化　64
2.3.1　條形圖　65
2.3.2　餅圖　67
2.4　分類分布的匯總　68
2.4.1　眾數(shù)　68
2.4.2　變異性　69
2.4.3　分類變量分布的描述　70
2.5　解釋圖表　72
2.5.1　誤導(dǎo)性圖表　72
2.5.2　統(tǒng)計(jì)圖形的未來　73
數(shù)據(jù)項(xiàng)目：提出問題　75
本章回顧　76
練習(xí)　78
練習(xí)指導(dǎo)　96
技術(shù)提示　97
第3章　中心和變異的數(shù)值匯總統(tǒng)計(jì)量　103
3.1　對稱分布的匯總統(tǒng)計(jì)量　104
3.1.1　均值：中心的平衡點(diǎn)度量　104
3.1.2　標(biāo)準(zhǔn)差：變異性的度量　109
3.2　經(jīng)驗(yàn)法則與z分?jǐn)?shù)：異�，F(xiàn)象的度量　114
3.2.1　經(jīng)驗(yàn)法則　114
3.2.2　z分?jǐn)?shù)：與均值距離的度量　117
3.3　偏態(tài)分布的匯總統(tǒng)計(jì)量　119
3.3.1　中位數(shù)：中心的另一種度量　120
3.3.2　四分位距：變異性的度量　122
3.3.3　全距：變異性的另一種度量　126
3.4　度量中心的方法比較　126
3.4.1　分布圖的形狀　126
3.4.2　異常值的影響　128
3.4.3　多峰分布的中心與離散程度　129
3.4.4　不同分布的比較　130
3.5　箱線圖　131
3.5.1　潛在異常值分析　134
3.5.2　水平箱線圖與豎直箱線圖　135
3.5.3　基于箱線圖比較分布　135
3.5.4　使用箱線圖的注意事項(xiàng)　136
3.5.5　五數(shù)概括法　136
數(shù)據(jù)項(xiàng)目：統(tǒng)計(jì)調(diào)查周期　139
本章回顧　140
練習(xí)　142
練習(xí)指導(dǎo)　165
技術(shù)提示　166
第4章　回歸分析：探究變量的相關(guān)性　172
4.1　變異性的可視化：散點(diǎn)圖　173
4.1.1　趨勢　173
4.1.2　強(qiáng)度　175
4.1.3　形狀　175
4.1.4　變量相關(guān)性　176
4.1.5　關(guān)于回歸的統(tǒng)計(jì)問題　177
4.2　相關(guān)性的強(qiáng)度度量　178
4.2.1　相關(guān)系數(shù)可視化　178
4.2.2　相關(guān)系數(shù)：基于情境　180
4.2.3　相關(guān)性與因果關(guān)系　181
4.2.4　相關(guān)系數(shù)的計(jì)算　182
4.2.5　相關(guān)系數(shù)的意義　184
4.3　對線性趨勢建模　187
4.3.1　回歸線　187
4.3.2　解釋回歸線　192
4.4　線性模型的評(píng)估　199
4.4.1　建模誤區(qū)　199
4.4.2　決定系數(shù)r2：擬合優(yōu)度的度量　203
數(shù)據(jù)項(xiàng)目：數(shù)據(jù)遷移　206
本章回顧　209
練習(xí)　210
練習(xí)指導(dǎo)　237
技術(shù)提示　238
第5章　概率：用模型解釋隨機(jī)性　243
5.1　什么是隨機(jī)性　244
5.2　理論概率的計(jì)算　248
5.2.1　理論概率的性質(zhì)　248
5.2.2　等可能結(jié)果的理論概率　249
5.2.3　積事件與和事件　252
5.2.4　和事件　253
5.2.5　互斥事件　255
5.3　分類變量的相關(guān)性　257
5.3.1　條件概率　258
5.3.2　獨(dú)立事件與相關(guān)事件　261
5.3.3　判斷事件是否獨(dú)立　263
5.3.4　獨(dú)立事件序列與相關(guān)事件序列　264
5.4　經(jīng)驗(yàn)概率與模擬概率的計(jì)算　269
5.4.1　模擬的設(shè)計(jì)　270
5.4.2　模擬的步驟　271
5.4.3　大數(shù)定律　272
5.4.4　大數(shù)定律的內(nèi)涵　275
數(shù)據(jù)項(xiàng)目：構(gòu)造數(shù)據(jù)子集　276
本章回顧　277
練習(xí)　279
練習(xí)指導(dǎo)　302
技術(shù)提示　303
第6章　隨機(jī)事件概率模型：正態(tài)模型
與二項(xiàng)模型　306
6.1　隨機(jī)實(shí)驗(yàn)?zāi)Ｐ停焊怕史植肌?07
6.1.1　離散概率分布：表格或圖表　308
6.1.2　離散概率分布：公式　309
6.1.3　連續(xù)概率：概率密度曲線下方的
面積　311
6.1.4　計(jì)算連續(xù)值結(jié)果的概率　311
6.2　正態(tài)模型　312
6.2.1　正態(tài)分布可視化　313
6.2.2　計(jì)算正態(tài)概率　315
6.2.3　用軟件計(jì)算概率　316
6.2.4　不用統(tǒng)計(jì)軟件：用經(jīng)驗(yàn)法則　318
6.2.5　不用統(tǒng)計(jì)軟件：標(biāo)準(zhǔn)正態(tài)　320
6.2.6　根據(jù)正態(tài)分布的分位數(shù)計(jì)算
度量值　323
6.2.7　正態(tài)模型的適用性　326
6.3　二項(xiàng)模型　326
6.3.1　二項(xiàng)分布可視化　329
6.3.2　計(jì)算二項(xiàng)概率　330
6.3.3　計(jì)算（稍微）復(fù)雜的概率　332
6.3.4　二項(xiàng)分布的形狀：中心與離散
程度　335
6.3.5　抽樣調(diào)查：二項(xiàng)模型的應(yīng)用　337
數(shù)據(jù)項(xiàng)目：生成隨機(jī)數(shù)　339
本章回顧　341
練習(xí)　343
練習(xí)指導(dǎo)　363
技術(shù)提示　364
第7章　調(diào)查抽樣與推斷　371
7.1　通過調(diào)查了解世界　372
7.1.1　調(diào)查術(shù)語　372
7.1.2　調(diào)查偏差　375
7.1.3　簡單隨機(jī)抽樣　377
7.2　度量調(diào)查質(zhì)量　380
7.2.1　模擬與估計(jì)量　381
7.2.2　偏差與標(biāo)準(zhǔn)誤差的計(jì)算　387
7.2.3　現(xiàn)實(shí)生活：我們只有一次機(jī)會(huì)　388
7.3　樣本比例的中心極限定理　389
7.3.1　中心極限定理的適用條件　389
7.3.2　中心極限定理適用條件的檢驗(yàn)　391
7.3.3　中心極限定理的應(yīng)用　391
7.4　估計(jì)總體比例的置信區(qū)間　395
7.4.1　設(shè)置置信水平　396
7.4.2　設(shè)置誤差范圍　397
7.4.3　現(xiàn)實(shí)檢驗(yàn)：在p未知的情況下計(jì)算
置信區(qū)間　399
7.4.4　解釋置信區(qū)間　400
7.4.5　研究籌備：計(jì)算所需的樣本量　403
7.5　基于置信水平比較總體比例　404
7.5.1　有什么區(qū)別　404
7.5.2　兩個(gè)總體比例的置信區(qū)間　406
7.5.3　檢查適用條件　407
7.5.4　解釋兩個(gè)比例之差的置信區(qū)間　409
7.5.5　隨機(jī)分配與隨機(jī)抽樣　410
數(shù)據(jù)項(xiàng)目：編碼類別　412
本章回顧　414
練習(xí)　416
練習(xí)指導(dǎo)　434
技術(shù)提示　436
第8章　總體比例的假設(shè)檢驗(yàn)　440
8.1　假設(shè)檢驗(yàn)的基本要素　441
8.1.1　核心要素：一對假設(shè)　442
8.1.2　另一個(gè)要素：犯錯(cuò)　445
8.1.3　增加一個(gè)要素：檢驗(yàn)統(tǒng)計(jì)量　446
8.1.4　最后一個(gè)必不可少的要素：意想
不到的結(jié)果　448
8.1.5　假設(shè)檢驗(yàn)與數(shù)據(jù)周期：提出問題　450
8.2　假設(shè)檢驗(yàn)的四步法　450
8.2.1　步驟詳解　451
8.2.2　四步法　455
8.3　假設(shè)檢驗(yàn)：詳細(xì)說明　459
8.3.1　檢驗(yàn)統(tǒng)計(jì)量的值：極端情況　459
8.3.2　z統(tǒng)計(jì)量抽樣分布：條件不滿足的
解決方案　461
8.3.3　平衡兩類錯(cuò)誤　461
8.3.4　統(tǒng)計(jì)顯著性與實(shí)際意義　463
8.3.5　不要改變假設(shè)　463
8.3.6　假設(shè)檢驗(yàn)的邏輯　464
8.3.7　置信區(qū)間與假設(shè)檢驗(yàn)　465
8.4　比較兩個(gè)總體的比例　467
8.4.1　更改要素：假設(shè)　467
8.4.2　更改要素：檢驗(yàn)統(tǒng)計(jì)量　468
8.4.3　更改要素：檢查條件　470
數(shù)據(jù)項(xiàng)目：日期數(shù)據(jù)　475
本章回顧　477
練習(xí)　480
練習(xí)指導(dǎo)　499
技術(shù)提示　501
第9章　推斷總體均值　505
9.1　隨機(jī)樣本的樣本均值　506
9.1.1　樣本均值的準(zhǔn)度與精度　506
9.1.2　模擬的結(jié)果　509
9.2　樣本均值的中心極限定理　510
9.2.1　樣本均值分布的可視化　512
9.2.2　中心極限定理的應(yīng)用　514
9.2.3　分布的類型　514
9.2.4　t分布　516
9.3　總體均值的置信區(qū)間估計(jì)　518
9.4　均值假設(shè)檢驗(yàn)　528
9.5　兩個(gè)總體均值的比較　534
9.5.1　利用置信區(qū)間估計(jì)均值之差
（獨(dú)立樣本）　536
9.5.2　兩個(gè)均值之差的置信區(qū)間　537
9.5.3　兩個(gè)均值的假設(shè)檢驗(yàn)　540
9.5.4　兩個(gè)均值的置信區(qū)間：相關(guān)樣本　545
9.5.5　兩個(gè)均值的假設(shè)檢驗(yàn)：相關(guān)樣本　547
9.6　均值分析方法總覽　550
9.6.1　不接受原假設(shè)　550
9.6.2　置信區(qū)間和假設(shè)檢驗(yàn)　551
9.6.3　選擇假設(shè)檢驗(yàn)還是置信區(qū)間　552
數(shù)據(jù)項(xiàng)目：堆棧數(shù)據(jù)　554
本章回顧　555
練習(xí)　558
練習(xí)指導(dǎo)　579
技術(shù)提示　581
第10章　分類變量研究與科研文獻(xiàn)
閱讀　589
10.1　分類變量的假設(shè)檢驗(yàn)：基本要素　590
10.1.1　數(shù)據(jù)　591
10.1.2　理論頻數(shù)　592
10.1.3　卡方統(tǒng)計(jì)量　595
10.1.4　計(jì)算卡方統(tǒng)計(jì)量的p值　597
10.2　分類變量之間的相關(guān)性：卡方檢驗(yàn)　599
10.2.1　獨(dú)立性檢驗(yàn)與同質(zhì)性檢驗(yàn)　601
10.2.2　隨機(jī)抽樣與隨機(jī)分配　604
10.2.3　比例檢驗(yàn)　605
10.3　閱讀學(xué)術(shù)文獻(xiàn)　608
10.3.1　閱讀摘要　610
10.3.2　注意事項(xiàng)　613
數(shù)據(jù)項(xiàng)目：小處著眼　617
本章回顧　618
練習(xí)　622
練習(xí)指導(dǎo)　638
技術(shù)提示　640
附錄　645
附錄A　表　645
附錄B　奇數(shù)號(hào)練習(xí)答案　654