| | | 你一定愛讀的極簡統計學 | 該商品所屬分類:經濟 -> 統計學 | 【市場價】 | 228-331元 | 【優惠價】 | 143-207元 | 【介質】 | book | 【ISBN】 | 9787516804513 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
-
出版社:臺海
-
ISBN:9787516804513
-
作者:(日)小島寬之|譯者:孔霈
-
頁數:200
-
出版日期:2015-01-01
-
印刷日期:2015-01-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:145千字
-
對統計了解、為數據著迷, 你聽到的將是機遇的敲門聲! 這並不難,僅需要你有初中以上數學程度! 《你一定愛讀的極簡統計學》是一本零基礎統計學讀物,在日本被稱為“可**自學的統計學入門書”,到目前為止已加印18次。小島寬之教授以*淺顯的文字,采用深入淺出的方式,結合生活中的實際現像,向我們描繪了統計學的原理、方法與應用。*為難能可貴的是,學習本書幾乎不用概率的知識,也**不需要微積分和高等數學的基礎,讓零基礎讀者一看就懂,一學就會!
-
《你一定愛讀的極簡統計學》是一本零基礎統計
學讀物,在日本被稱為“可完全自學的統計學入門書
”。作者小島寬之教授以最精簡的計算工具、最淺顯
的文字寫成,並配以圖解,讓零基礎讀者一看就懂,
一學就會!
統計學是應用最廣泛、最沒有偏見的一門科學知
識。大數據時代,我們缺的不是數據,而是正確分析
數據的路徑,如何從海量數據中擷取有用信息、產生
新價值,甚至用以推估未知的事物,已經成為個人和
企業的關鍵競爭力。
-
序章 為了高效地、一步步理解“統計學”——本書的立場 **部分 速學!從標準差到檢驗、區間估計 第1章 用頻率分布表和直方圖刻畫數據的特征 1 根據原始數據什麼也搞不明白,所以使用統計 2 做直方圖 第2章 平均值是挑擔人偶玩具的支點 ——平均值的作用和把握方法 1 統計量是概括數據的數值 2 平均值 3 頻率分布表上的平均值 4 平均值在直方圖中的作用 5 該怎樣捕捉平均值 第3章 由數據分散程度估計統計量 ——方差和標準差 1 想要知道數據的分散和波動 2 以公交車到達時刻的例子來理解方差 3 標準差的意義 4 從頻率分布表求標準差 第4章 這個數據是“平常”還是“特殊”,以標準差(S.D.)來評價 1 標準差是浪湧的激烈程度 2 明確了S.D.就可以評價數據的“特殊性” 3 復數的數據組的比較 4 加工後的數據的平均值和標準差 第5章 標準差(S.D.)可以靈活運用於股票風險指標(波動率) 1 股票的平均收益率是什麼 2 僅憑平均收益率不能判斷是不是優良的投資 3 波動率的意義 第6章 標準差(S.D.)也可用於理解高風險、高回報(夏普比率) 1 高風險、高回報和低風險、低回報 2 金融商品優劣的衡量方法 3 衡量金融商品優劣的數值:夏普比率 第7章 身高、擲硬幣等*常見的分布、正態分布 1 *常見的數據分布 2 一般正態分布的觀察方法 3 身高數據是正態分布的 第8章 推論統計的出發點,使用正態分布進行“預測” 1 使用正態分布的知識,可以進行“預測” 2 標準正態分布的95%預測命中區間 3 一般正態分布的95%預測命中區間 第9章 從一個數據推出母群體 ——假設檢驗的思維方法 1 所謂推論統計即從部分推出整體 2 推測差不多可行的母群體 3 判斷95%預測命中區間是否妥當 **0章 以測定溫度為例,探尋95%置信區間 ——區間估計 1 反過來利用預測命中區間的估計 2 置信區間的“95%”的意義 3 對標準差的已知正態母群體的平均值的區間估計 第2部分 從觀測數據推測其背後的廣闊世界 **1章 根據“部分”推論“總體” ——母群體和統計的估計 1 母群體是假想之潭 2 隨機抽樣法和總體均值 **2章 表示母群體數據分散程度的統計量 ——總體方差和總體標準差 1 搞清數據的分散程度 2 總體方差和總體標準差的計算 **3章 復數數據的平均值比1個數據接近總體均值 ——樣本均值的思維方法 1 從觀測到的1個數據可以推測出什麼 2 為什麼要做樣本均值 **4章 隨著觀測數據增加,預測區間變窄 ——正態母群體的便利商品、樣本均值 1 正態分布樣本均值的性質很美 2 關於正態母群體樣本均值的95%預測命中區間 **5章 已知總體方差,求正態母群體的總體均值 ——使用樣本均值進行總體均值的區間估計 1 推測總體均值和總體方差 2 使用樣本均值進行總體均值的區間估計 **6章 卡方分布登場 ——樣本方差的求法和卡方分布 1 樣本方差的求法 2 卡方分布是什麼 **7章 用卡方分布推算總體方差 ——推算正態母群體的總體方差 1 卡方分布的95%預測命中區間 2 終於開始正態母群體總體方差的估計了 **8章 樣本方差呈卡方分布 ——與樣本方差成正比的統計量W的做法 1 與樣本方差成正比的統計量W的做法 2 樣本方差的卡方分布自由度下降1 **9章 即使未知總體均值仍能推算總體方差 ——總體均值未知時對正態母群體進行區間估計 1 未知總體均值推算總體方差 2 估計總體方差的具體例子 第20章 t分布登場 ——總體均值以外的以“實際觀測樣本”可計算的統計量 1 終於登場的t分布 2 t分布的直方圖 3 統計量T的計算 4 關於t分布的正式定義 第21章 根據t分布進行區間估計 ——未知總體方差時以正態母群體推算總體均值 1 *自然的區間估計——t分布 2 根據t分布的區間估計方法 後記 練習題解答 索引
-
**部分解說過的“母群體”**重要,所以這
裡讓我們再次回顧一下。 我們以數據的形式,觀測相同的不確定現像生出
的各種數字的情況。比
如,觀測相同種類的蝴蝶各不相同的體長數值,或者
在選舉中選民對各個人
物進行投票。*具體一些,比如投擲36枚硬幣時,正
面枚數是從0枚到36枚各
不相同的數值。再舉例子的話,比如同一家店鋪營業
額每天都不同,還有股
票的日經平均指數每天反復漲跌。 我們可以假想出一個潭子,相同現像的數據都從
相同的潭子中出現。 這個假想之潭叫作“母群體”。可以這樣想,蝴蝶體
長的數據,從裝滿蝴
蝶體長數值的潭中出現,店鋪營業額的數據從裝滿店
鋪營業額數值的潭中
出現。 選舉的情況,將“開票處整體”比作潭子會*容
易理解。因為某人投
了誰的票,與觀測開票處1張投票用紙是**相同的
。一次選舉的全部數
據,是與(包括棄權的)選民人數一致的,這是有限的
數,因此叫作“有
限母群體”。 與此相對,(像神一樣超常存在地)計測古今中外
、現在未來所有蝴
蝶的體長,將寫有計測結果的無限張數的紙投入潭中
,就有了無限個的數
據數,因此叫作“無限母群體”。對於投擲硬幣的情
況,無限次投擲36枚硬
幣,將出現正面枚數的全部數據放入潭中(從0到36的
37種數字各有無限個被
放入其中),這也是無限母群體。假設進行了無限次
交易,那麼店鋪的營業
額和股票的日經平均指數也屬於無限母群體。 本書考慮的是一般性的問題,所以不針對有限母
群體,而隻針對無限母
群體來思考(出現選舉例子的時候,也請當作無限母
群體來看待)。 推論統計的目標,是從(無限)母群體得出的幾個
數據中,對母群體總
體進行推測。**部分中解說過,這是“從部分推論
總體”。慎重的讀者也許
會覺得不可思議:怎麼可能有這種事情?
但是,好好回想一下我們日常生活就會發現,這
些事情平時就有。比
如下面這件事。我們做醬湯的時候,需要判斷味道(
咸味等)是否合適。 當然把一鍋醬湯全都喝掉確實可以進行判斷,但就沒
有了嘗味道的意義。 於是,我們用勺子喝一點,沒問題的話就說明可以。 這就是根據部分判斷
總體。 為什麼以此就能大概知道味道如何呢?因為可以
認為“經過充分混合,一湯勺可以反映全體”。 推論統計也是同樣。從母群體這一假想之潭中出
現的數據,不是誰都可
以隨意控制的,而是反映母群體總體情況的,所以在
從部分判斷總體上與嘗
醬湯的例子相同。 但是,嘗醬湯的時候,必須想到偶爾會嘗到“稍
有些濃”的地方,或是
“稍有些淡”的地方,所以醬湯總體的味道與嘗到的
味道多少有些偏差也是
正常的。同樣,也必須做好推論統計也並非“**一
致”,而是有一定的偏
差的思想準備。 2.隨機抽樣法和總體均值
我們已經將母群體當作潭子一樣的東西。那麼讓
我們詳細地說一下潭子裡面的內容。 (無限)母群體的一例如圖11-1。數據數值隻有①
、⑤、⑨3種,每個數據在潭中有無數個。 請想像一下這種情況。潭中有3種池子:“有無
數數據①在池子
裡遊泳”“有無數數據⑤在池子裡遊泳”“有無數數
據⑨在池子裡
遊泳”。 池子的大小(幅度)不同,假設面積各為0.6、0.3
、0.1(以後母群體中
“池子”面積必須像這樣按照合計為l來設定)。請將
池子大小的差別看作
各數據是否容易從母群體這個潭子中出來的差別。對
母群體來說,觀測到的
數據是①、⑤、⑨中的任意一個,觀測到的相對頻數
是池子大小的數字(面
積)0.6、0.3、0.1。 就是說,數字①的出現比數字⑨容易6倍,數字
⑤的出現比數字⑨容易3倍。 實際上為了明白地說明此問題,必須用到“概率
”的表達。就是說,觀
測到①、⑤、⑨的概率分別為0.6、0.3、0.1,它們
每次按照各自的概率獨立
(不影響其他觀測值的出現)出現。 但像序章說過的,本書會避開概率,隻談數據分
布,畢竟本書隻是統計學入門讀本。P107-109
| | | | | |