本书是一本一学期的统计学教材。全书分为十章，第 1~4 章讲述探索性数据分析，第 5~8 章的重点是推断，第 9~10 章拓展到一些重要的统计方法。本书的前八章是概念驱动的，涵盖了探索性数据分析和推断统计，这些概念是每个入门统计学生都应该学习的基本概念；后两章建立在前面的扎实的概念基础之上，介绍了几种流行的统计方法，并更全面地探索了前面介绍的方法，例如回归和数据收集。

目　　录<br />前言<br />第1章　数据导论　1<br />1.1　什么是数据　2<br />1.2　数据分类与存储　5<br />1.2.1　变量类型　6<br />1.2.2　分类数据的数字编码　7<br />1.2.3　数据存储　8<br />1.3　数据调查　10<br />1.4　分类数据的组织　14<br />1.5　数据收集与因果关系识别　18<br />1.5.1　逸事　19<br />1.5.2　观察性研究　20<br />1.5.3　对照实验　22<br />1.5.4　样本量　22<br />1.5.5　随机分配　22<br />1.5.6　盲法　23<br />1.5.7　安慰剂　24<br />1.5.8　结论推广　25<br />1.5.9　新闻中的统计　26<br />数据项目：下载和上传数据　28<br />本章回顾　30<br />练习　32<br />练习指导　46<br />第2章　图形可视化变异　48<br />2.1　数值数据变异的可视化　49<br />2.1.1　点图　51<br />2.1.2　直方图　51<br />2.1.3　茎叶图　54<br />2.2　数值分布重要特征汇总　55<br />2.2.1　形状　56<br />2.2.2　中心　60<br />2.2.3　变异性　62<br />2.2.4　分布的描述　64<br />2.3　分类变量变异的可视化　64<br />2.3.1　条形图　65<br />2.3.2　饼图　67<br />2.4　分类分布的汇总　68<br />2.4.1　众数　68<br />2.4.2　变异性　69<br />2.4.3　分类变量分布的描述　70<br />2.5　解释图表　72<br />2.5.1　误导性图表　72<br />2.5.2　统计图形的未来　73<br />数据项目：提出问题　75<br />本章回顾　76<br />练习　78<br />练习指导　96<br />技术提示　97<br />第3章　中心和变异的数值汇总统计量　103<br />3.1　对称分布的汇总统计量　104<br />3.1.1　均值：中心的平衡点度量　104<br />3.1.2　标准差：变异性的度量　109<br />3.2　经验法则与z分数：异常现象的度量　114<br />3.2.1　经验法则　114<br />3.2.2　z分数：与均值距离的度量　117<br />3.3　偏态分布的汇总统计量　119<br />3.3.1　中位数：中心的另一种度量　120<br />3.3.2　四分位距：变异性的度量　122<br />3.3.3　全距：变异性的另一种度量　126<br />3.4　度量中心的方法比较　126<br />3.4.1　分布图的形状　126<br />3.4.2　异常值的影响　128<br />3.4.3　多峰分布的中心与离散程度　129<br />3.4.4　不同分布的比较　130<br />3.5　箱线图　131<br />3.5.1　潜在异常值分析　134<br />3.5.2　水平箱线图与竖直箱线图　135<br />3.5.3　基于箱线图比较分布　135<br />3.5.4　使用箱线图的注意事项　136<br />3.5.5　五数概括法　136<br />数据项目：统计调查周期　139<br />本章回顾　140<br />练习　142<br />练习指导　165<br />技术提示　166<br />第4章　回归分析：探究变量的相关性　172<br />4.1　变异性的可视化：散点图　173<br />4.1.1　趋势　173<br />4.1.2　强度　175<br />4.1.3　形状　175<br />4.1.4　变量相关性　176<br />4.1.5　关于回归的统计问题　177<br />4.2　相关性的强度度量　178<br />4.2.1　相关系数可视化　178<br />4.2.2　相关系数：基于情境　180<br />4.2.3　相关性与因果关系　181<br />4.2.4　相关系数的计算　182<br />4.2.5　相关系数的意义　184<br />4.3　对线性趋势建模　187<br />4.3.1　回归线　187<br />4.3.2　解释回归线　192<br />4.4　线性模型的评估　199<br />4.4.1　建模误区　199<br />4.4.2　决定系数r2：拟合优度的度量　203<br />数据项目：数据迁移　206<br />本章回顾　209<br />练习　210<br />练习指导　237<br />技术提示　238<br />第5章　概率：用模型解释随机性　243<br />5.1　什么是随机性　244<br />5.2　理论概率的计算　248<br />5.2.1　理论概率的性质　248<br />5.2.2　等可能结果的理论概率　249<br />5.2.3　积事件与和事件　252<br />5.2.4　和事件　253<br />5.2.5　互斥事件　255<br />5.3　分类变量的相关性　257<br />5.3.1　条件概率　258<br />5.3.2　独立事件与相关事件　261<br />5.3.3　判断事件是否独立　263<br />5.3.4　独立事件序列与相关事件序列　264<br />5.4　经验概率与模拟概率的计算　269<br />5.4.1　模拟的设计　270<br />5.4.2　模拟的步骤　271<br />5.4.3　大数定律　272<br />5.4.4　大数定律的内涵　275<br />数据项目：构造数据子集　276<br />本章回顾　277<br />练习　279<br />练习指导　302<br />技术提示　303<br />第6章　随机事件概率模型：正态模型<br />与二项模型　306<br />6.1　随机实验模型：概率分布　307<br />6.1.1　离散概率分布：表格或图表　308<br />6.1.2　离散概率分布：公式　309<br />6.1.3　连续概率：概率密度曲线下方的<br />面积　311<br />6.1.4　计算连续值结果的概率　311<br />6.2　正态模型　312<br />6.2.1　正态分布可视化　313<br />6.2.2　计算正态概率　315<br />6.2.3　用软件计算概率　316<br />6.2.4　不用统计软件：用经验法则　318<br />6.2.5　不用统计软件：标准正态　320<br />6.2.6　根据正态分布的分位数计算<br />度量值　323<br />6.2.7　正态模型的适用性　326<br />6.3　二项模型　326<br />6.3.1　二项分布可视化　329<br />6.3.2　计算二项概率　330<br />6.3.3　计算（稍微）复杂的概率　332<br />6.3.4　二项分布的形状：中心与离散<br />程度　335<br />6.3.5　抽样调查：二项模型的应用　337<br />数据项目：生成随机数　339<br />本章回顾　341<br />练习　343<br />练习指导　363<br />技术提示　364<br />第7章　调查抽样与推断　371<br />7.1　通过调查了解世界　372<br />7.1.1　调查术语　372<br />7.1.2　调查偏差　375<br />7.1.3　简单随机抽样　377<br />7.2　度量调查质量　380<br />7.2.1　模拟与估计量　381<br />7.2.2　偏差与标准误差的计算　387<br />7.2.3　现实生活：我们只有一次机会　388<br />7.3　样本比例的中心极限定理　389<br />7.3.1　中心极限定理的适用条件　389<br />7.3.2　中心极限定理适用条件的检验　391<br />7.3.3　中心极限定理的应用　391<br />7.4　估计总体比例的置信区间　395<br />7.4.1　设置置信水平　396<br />7.4.2　设置误差范围　397<br />7.4.3　现实检验：在p未知的情况下计算<br />置信区间　399<br />7.4.4　解释置信区间　400<br />7.4.5　研究筹备：计算所需的样本量　403<br />7.5　基于置信水平比较总体比例　404<br />7.5.1　有什么区别　404<br />7.5.2　两个总体比例的置信区间　406<br />7.5.3　检查适用条件　407<br />7.5.4　解释两个比例之差的置信区间　409<br />7.5.5　随机分配与随机抽样　410<br />数据项目：编码类别　412<br />本章回顾　414<br />练习　416<br />练习指导　434<br />技术提示　436<br />第8章　总体比例的假设检验　440<br />8.1　假设检验的基本要素　441<br />8.1.1　核心要素：一对假设　442<br />8.1.2　另一个要素：犯错　445<br />8.1.3　增加一个要素：检验统计量　446<br />8.1.4　最后一个必不可少的要素：意想<br />不到的结果　448<br />8.1.5　假设检验与数据周期：提出问题　450<br />8.2　假设检验的四步法　450<br />8.2.1　步骤详解　451<br />8.2.2　四步法　455<br />8.3　假设检验：详细说明　459<br />8.3.1　检验统计量的值：极端情况　459<br />8.3.2　z统计量抽样分布：条件不满足的<br />解决方案　461<br />8.3.3　平衡两类错误　461<br />8.3.4　统计显著性与实际意义　463<br />8.3.5　不要改变假设　463<br />8.3.6　假设检验的逻辑　464<br />8.3.7　置信区间与假设检验　465<br />8.4　比较两个总体的比例　467<br />8.4.1　更改要素：假设　467<br />8.4.2　更改要素：检验统计量　468<br />8.4.3　更改要素：检查条件　470<br />数据项目：日期数据　475<br />本章回顾　477<br />练习　480<br />练习指导　499<br />技术提示　501<br />第9章　推断总体均值　505<br />9.1　随机样本的样本均值　506<br />9.1.1　样本均值的准度与精度　506<br />9.1.2　模拟的结果　509<br />9.2　样本均值的中心极限定理　510<br />9.2.1　样本均值分布的可视化　512<br />9.2.2　中心极限定理的应用　514<br />9.2.3　分布的类型　514<br />9.2.4　t分布　516<br />9.3　总体均值的置信区间估计　518<br />9.4　均值假设检验　528<br />9.5　两个总体均值的比较　534<br />9.5.1　利用置信区间估计均值之差<br />（独立样本）　536<br />9.5.2　两个均值之差的置信区间　537<br />9.5.3　两个均值的假设检验　540<br />9.5.4　两个均值的置信区间：相关样本　545<br />9.5.5　两个均值的假设检验：相关样本　547<br />9.6　均值分析方法总览　550<br />9.6.1　不接受原假设　550<br />9.6.2　置信区间和假设检验　551<br />9.6.3　选择假设检验还是置信区间　552<br />数据项目：堆栈数据　554<br />本章回顾　555<br />练习　558<br />练习指导　579<br />技术提示　581<br />第10章　分类变量研究与科研文献<br />阅读　589<br />10.1　分类变量的假设检验：基本要素　590<br />10.1.1　数据　591<br />10.1.2　理论频数　592<br />10.1.3　卡方统计量　595<br />10.1.4　计算卡方统计量的p值　597<br />10.2　分类变量之间的相关性：卡方检验　599<br />10.2.1　独立性检验与同质性检验　601<br />10.2.2　随机抽样与随机分配　604<br />10.2.3　比例检验　605<br />10.3　阅读学术文献　608<br />10.3.1　阅读摘要　610<br />10.3.2　注意事项　613<br />数据项目：小处着眼　617<br />本章回顾　618<br />练习　622<br />练习指导　638<br />技术提示　640<br />附录　645<br />附录A　表　645<br />附录B　奇数号练习答案　654