
作者:(美)Mario F. Triola(马
页数:496
出版社:电子工业出版社
出版日期:2024
ISBN:9787121475665
高清校对版pdf(带目录)
前往页尾底部查看PDF电子书
内容简介
《基础统计学》历经14 版,经久不衰。该书已经作为国际版统计教材被翻译成多国文字,连续25 年在美国统计类教材中排名第一。本书以浅显易懂的文字以及贴近实际的案例,带领读者专业系统地学习统计思维和批判性思维,领略统计学的真实魅力。本书的第1~3 章着重介绍描述统计学,通过第4~6 章的概率分布逐渐过渡到第7~9 章的推断统计学;第10~15 章介绍了现代统计学中一些重要的实践方法,例如回归分析、拟合优度、方差分析、非参数检验等,读者可以根据自身的兴趣与背景学习相关内容。
作者简介
Mario F. Triola(马里奥·F·特里奥拉):达奇斯社区学院(Dutchess Community College)的数学荣誉教授,他在该学院任教统计学已经30余年。《基础统计学》现已成为国际版统计教材,被翻译成多国文字。马里奥设计了初版Statdisk统计软件,他还为支持统计教育而编写过数本统计软件的工作手册。他在许多会议和大学做过演讲。教科书和学术作者协会(Textbook and Academic Authors Association)曾授予马里奥“文本”奖,以表彰他在《基础统计学》上的卓越贡献。
钱辰江美国芝加哥大学统计学硕士,加州大学洛杉矶分校数学经济本科。目前供职于美国硅谷某互联网创业公司,主要从事数据科学相关工作。曾任职于电商互联网公司Wish以及美国银行。具有扎实的统计学理论基础和丰富的实战经验。
潘文皓美国佐治亚大学统计学博士,研究方向为象征性数据的聚类分析算法。目前任职于美国苹果总部,主要从事数据科学相关的模型开发与研究。曾任美国富国银行量化分析师,负责反欺诈模型的开发,检测与应用。
相关资料
《基础统计学》详尽地介绍了统计学在各个学科领域中的关键应用,包括但不限于自然科学、经济学、法学等,展现了统计学在现代社会中无处不在和不可或缺。从基础的统计学理论到实际的数据分析,本书每一章都是知识的珍宝,等待着你的探索。本书不仅是相关专业学生和教育工作者的宝贵资源,而且是任何希望在当今数字时代保持领先的专业人士的案头宝典。
江明 中国科学院院士
统计学既是研究数据科学的入门基础,也是推动人工智能、深度学习等前沿学科发展的重要工具。本书作为统计学类基础教材在美国连续25年排名第一,其鲜明特色是严谨与易懂并重,同时在应用关联上还提供了大量新颖有趣的示例、习题和数据集。我非常喜欢此书,相信本书能助力读者更好地从统计学视角感知大千世界之变。
徐飞 二级教授,博士生导师,上海财经大学常务副校长
统计学是越来越重要的一门基础学科,更是一种很实用的思维方式,能够让我们从大量的数据中萃取有用的信息。本书是一本优秀的统计学入门教材,用通俗易懂的语言介绍了统计学的理论知识和背后的数学原理,并通过大量的真实数据场景来讲解每种统计方法的实际应用案例和优缺点,能够激发读者对统计学的学习兴趣。
蒋国友 中通科技数据智能部高级总监
统计学是我们借以认识外部世界和人类社会的基本工具,无论是自然科学还是社会科学,都离不开统计学。然而,很多人一听到统计学,就会觉得枯燥无味,烦琐无聊。实际上,统计学的许多原理和规律与我们的日常生活息息相关,无论是投资、创业、就业、上学、就医,还是相亲、交友、结婚、生育,都会用到统计学的知识。善用统计学知识的人会更有智慧,能做出更好的人生抉择。你不信吗?那就请读读这本《基础统计学》,它通俗易懂,妙趣横生,案例精彩,数据丰富。翻阅这部著作,会颠覆你对统计学的认知。
向松祚 《新经济学》《新资本论》作者
统计学应用是数字化时代职场人的核心技能之一;统计思维和批判性思维也是高效做事的思维方式。本书是国际版统计学经典著作,二位译者更是资深大数据从业人员,理论与实践兼而有之。
王颖祥 中国统计网创始人,原永辉超市CDO
本书特色
中国科学院院士江明力荐
本书不仅是相关专业学生和教育工作者的宝贵资源
而且是任何希望在当今数字时代保持领先的专业人士的案头宝典
适合读者包括
学习统计学的学生:
专业包括统计学、数据科学、数学、经济学、社会科学、生物统计学、心理学、医学等
数据科学从业者:
包括数据挖掘、机器学习、深度学习等
学术科研从业者:
领域包括经济学、教育学、生物科学、心理学、社会科学等
数据分析/商业分析从业者
对统计学感兴趣的读者
目录
1-1 统计与批判性思维 004
例1:总体和样本 004
例2:自愿样本 007
例3:统计显著性与实际显著性 008
1-2 数据类型 010
第1 部分:基本数据类型 010
例1:参数和统计量 011
例2:定量数据和分类数据 012
例3:离散型数据和连续型数据 013
例4:名目测量尺度 014
例5:次序测量尺度 015
例6:等距测量尺度 015
例7:等比测量尺度 016
例8:区分等比测量尺度和等距测量尺度 017
第2 部分:大数据和缺失数据――过量和不够 018
1-3 样本数据的收集 022
第1部分:实验设计与样本数据收集的基础 022
例1:索尔克疫苗实验 022
例2:冰激凌与溺水 023
例3:多阶段抽样设计 026
第2 部分:实验设计与样本数据收集的进阶 026
第2 章 用图表探索数据 031
2-1 频数分布表――数据的整理与汇总 033
例1:洛杉矶每日通勤时间频数分布表 035
例2:空难原因频数分布表 036
例3:比较纽约和博伊西的每日通勤时间 037
例4:探索数据――心率是如何测量的 039
例5:数据探索――差异告诉了我们什么 040
第1 部分:直方图的基本概念 041
2-2 直方图 041
第2 部分 使用正态分位图评估正态性 044
2-3 启发性图表与误导性图表 045
例1:男性心率的点图 045
例2:男性心率的茎叶图 046
例3:全球个人计算机出货量的时间序列图 047
例4:空难原因的帕累托图 048
例5:空难原因的饼状图 049
例6:洛杉矶每日通勤时间的频数多边形 050
例7:相对频数多边形――洛杉矶和博伊西的每日通勤时间 050
例8:误导性图表――非零纵轴 051
例9:误导性图表――图标的使用 052
第1 部分:散点图和相关性 053
2-4 散点图、相关分析与回归分析 053
例1:存在相关性――用相机对海豹称重 054
例2:不存在相关性――总统的身高与其对手的身高 055
例3:不存在相关性――硬币的质量与其制造年份 055
第2 部分:线性相关系数 056
例4:通过与对数据看鞋印长度与身高是否存在相关性 056
例5:通过与对数据看鞋印长度与身高之间是否存在相关性 058
第3 部分:回归分析 059
例6:通过回归线看相关性 059
非特殊说明,本博所有文章均为博主原创。
如若转载,请注明出处:https://www.xiazainiu.com/Wd1qk_5_17587.html