出版时间:2011-4 出版社:北京大学出版社 作者:(美)威廉姆斯 等著 页数:508 字数:835000
Tag标签:无
内容概要
本书旨在向以工商管理和经济学等专业为主的学生介绍统计学的有关知识及其多种应用。本书以应用为主,读者无须具有高深的数学知识,只要掌握数学中的代数知识即可。
本书的主要内容是数据分析与统计方法的应用,书中关于每种方法的讨论与展开都是在应用背景下进行的,借助这些统计结果,读者可以更深入地理解问题的本质及其解决办法。
在应用的基础上,本书会提供一套合理的方法论,并注意使用一些在该领域已经被普遍接受的概念,为读者深入学习统计学知识打下坚实的基础。读者若想继续深入研究,请参阅附录中的相关文献。
作者简介
作者:(美国)托马斯·A.威廉姆斯(Thomas A.Williams) (美国)凡尼斯·J·斯威尼(Dennis J.Sweeney) (美国)大卫·R.安德森(David R.Anderson) 译者:杨宝臣 张诗学 等托马斯·A.威廉姆斯(Thomas A.Williams)。罗彻斯特理工学院(Rochester Institute of Technology)商学院管理学教授。出生于美国纽约艾尔迈拉,于克拉克森大学(Clarksorl IJniversity)取得学士学位后,进入仁斯利尔理工学院(RensselaerPolytecllnic Institute)深造,取得硕士和博士学位。参与编写著作ll部,内容涉及管理科学、统计学、生产运作管理和数学等,为众多世界500强企业担任过顾问,科研领域遍及从数据分析到大型模型的开发。丹尼斯·J.斯威尼(Dennis J.Sweeoey)。数量分析学教授,克拉克森大学生产促进中心的创始人之一。出生于爱荷华州得梅因,先后取得德雷克大学(Drake Urfiversity)学士学位、印第安纳大学(Indiana University)工商管理学硕士和博士学位并得到美国国防教育部门的资助。在管理科学与统计学领域发表论文和专著30余篇,参与编写著作10余部,领域涉及统计学、管理科学、线性规划和生产运作管理等。大卫·R.安德森(David R.Anderson)。辛辛那提大学工商管理学院数量分析学教授。出生于美国北达科他州大福克斯,取得普度大学(Purdue University)学士、硕士和博士学位,曾任数量分析和运筹管理研究所主任,工商管理学院副院长。参与编写著作10余部,领域涉及统计、管理科学、线性规划和生产运作管理等,是抽样统计和统计方法方面的知名顾问。
书籍目录
第一章 数据与统计学
1.1 统计在商业和经济中的应用
1。2 数据
1.3 数据来源
1.4 描述统计学
1.5 统计推断
1.6 应用Exeel进行统计分析
第二章 描述统计学:表格法和图形法
2.1 汇总分析定性数据
2.2 定量数据汇总分析
2.3 探索性数据分析:茎叶图
2.4 交叉列表和散点图
第三章 描述统计学:数量方法
3.1 位置测度
3.2 变异程度测度
3.3 分布形态、相对位置的测度以及异常值的检测
3.4 探索性数据分析
3.5 双变量相关关系测度
3.6 加权平均值和分组数据
第四章 概率概述
4.1 试验、加法法则和概率赋值
4.2 事件及其概率
4.3 概率的几种基本关系
4.4 条件概率
4.5 贝叶斯定理
第五章 离散型概率分布
5.1 随机变量
5.2 离散型概率分布
5.3 期望值与方差
5.4 二项分布
5.5 泊松概率分布
5.6 超几何分布
第六章 连续型概率分布
6.1 均匀概率分布
6.2 正态概率分布
6.3 指数概率分布
第七章 抽样和抽样分布
7.1 电子联合公司的抽样问题
7.2 简单随机抽样
7.3 点估计
7.4 抽样分布简介
7.5 丘的抽样分布
7.6戶的抽样分布
7.7 抽样方法
第八章 区间估计
8.1 总体均值的区间估计:假设0一已知
8.2 总体均值的区间估计:假设口未知
8。3 确定样本容量
8.4 总体比例的区间估计
第九章 假设检验
9.1 构造原假设和备择假设
9.2 第1类错误和第Ⅱ类错误
9.3 总体均值的假设检验: 已知的情况
9.4 总体均值的假设检验 未知的情况
9.5 总体比例的假设检验
第十章 两个总体均值和比例的统计推断
10.1 两个总体均值之差的推断: 和 已知
10.2 两个总体均值之差的推断: 和 未知
10.3 两个总体均值之差的推断:配对样本
10.4 两个总体比例之差的推断
第十一章 总体方差的推断
第十二章 方差分析和试验设计
第十三章 简单线性回归
第十四章 多元回归
第十五章 回归分析:建模问题
第十六章 非参数估计
第十七章 质量控制的统计方法
附录A
附录B
章节摘录
版权页:插图:1.3.3 数据收集中的误差管理者应该时刻牢记,统计研究使用的数据是可能存在错误的。使用了错误的数据可能比不使用任何数据更糟糕。当获得的数据与真实值或实际值不符时,就会产生数据收集错误,这类错误多是由于收集方法不当引起的。错误产生的形式有多种。例如,访谈员可能会发生记录错误,比如将24岁误记为42岁,或者受访者由于曲解了问题的原意而做出了错误的回答。试验数据分析人员在收集和记录数据时应特别小心,并确保不出现错误。可采取一些特殊措施以检验数据的内在一致性。例如,如果一个年龄22岁的人却说自己已经有20年的工作经验,那么在这种情况下,分析人员就有必要重新检查数据的准确性。数据分析人员还应该注意一些过大或者过小的数据,它们通常被称为异常值,而这些数据往往有可能存在错误。在本书第三章中,我们将介绍一些统计学家们用来鉴别异常值的方法。在数据收集过程中会经常发生错误。盲目地使用那些偶然获得的数据或者在数据收集过程中不认真都会造成数据出错,进而导致错误的决策。因此,按照正确的步骤收集数据才能保证决策信息的可信度,提高数据的利用价值。1.4 描述统计学大多数报纸、杂志、公司报告和其他出版物上的统计信息都是以一种易于理解的方式表现出来。通过表格、图形或者数字等形式把数据表示出来,这种统计方法称为描述统计学。
编辑推荐
《基于Excel的商务与经济统计》:从管理的实践问题入手,将统计学的知识适时地渗透于实际案例中,使读者对相关概念或理论产生一个感性的认识。大量实际案例贯穿其中,使统计学知识生动易懂。详细介绍统计学方法在Excel软件中的操作步骤,增强了统计方法的可操作性。《基于Excel的商务与经济统计》以应用为主,读者无须具有高深的数学知识,只要掌握数学中的代数知识即可。为教师和学生准备了详实完备的教辅资料和习题。
图书封面
图书标签Tags
无
评论、评分、阅读与下载