| | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 产品展示 |
 |
| 基本信息 |
图书名称： | 白话统计 |
作 者： | 冯国双 著 |
定价： | 69.00元 |
ISBN号： | 9787121335181 |
出版社： | 电子工业出版社 |
开本： | 16 |
装帧： | 平装 |
出版日期： | 2018-1-1 |
印刷日期： | 2018-1-1 |
| 编辑推荐 |
| 内容介绍 |
| 一本书如果没有作者自己的观点，而只是知识的堆叠，那么这类书是没有太大价值的。尤其在当前网络发达的时代，几乎任何概念和知识点都可以从网络上查到。但是有一点你很难查到，那就是统计分析的思路和观点。比如，你可以很容易地在网上查到什么是线性回归，但你却查不到怎么“做”线性回归分析，在你遇到实际数据时仍然不知道如何分析。在《白话统计》中，你可以获得这些思路和观点。尽管这些观点未B是所有人都认可的，但根据笔者多年的分析经验，它们在实践中通常是奏效的。《白话统计》凝结了作者十多年来对统计分析的理解，对各种方法的介绍采用Q新的理念和思路，不再是介绍方法本身，而是试图将各种方法之间的联系阐述清楚；不再是介绍方法如何计算出结果，而是尽量说明方法背后的思想。当然，本书同时提供了如何实现结果的软件（涉及Excel、SAS、R、JMP、SPSS 等）操作。 |
| 作者介绍 |
| 目录 |
1 篇 基础篇 1 章 为什么要学统计 2 1．1 统计学有什么用 3 1．2 生活世事皆统计 4 1．3 如何学统计 4 2 章 变异――统计学存在的基础 6 2．1 随机与变异 6 2．2 与罗斯福的胜出――抽样调查到底可不可靠 8 2．3 什么是抽样误差 9 3 章 郭靖的内力能支撑多久――谈概率分布 11 3．1 累积分布与概率密度的通俗理解 12 3．2 是生存还是死亡？这是一个问题――用Weibull 分布寻找生存规律 16 3．3 2003 年的那场SARS――用Logistic 分布探索疾病流行规律 20 3．4 “普通”的正态分布 23 3．5 几个常用分布――t 分布、χ2 分布、F 分布 28 4 章 关于统计资料类型的思考 35 4．1 计数资料等于分类资料吗 36 4．2 计数资料可否采用连续资料的方法进行分析 37 4．3 分类资料中的无序和有序是如何确定的 38 4．4 连续资料什么时候需要转换为分类资料 39 4．5 连续资料如何分组――寻找cut-off 值的多种方法 41 4．6 什么是虚拟变量/哑变量 47 5 章 如何正确展示你的数据 52 5．1 均数和中位数――你被平均了吗 53 5．2 方差与标准差――变异的度量 54 5．3 自由度――你有多少自由活动的范围 56 5．4 百分位数――利用百分数度量相对位置 57 5．5 如何比较苹果和橘子――利用Z 值度量相对位置 59 5．6 某百岁老人调查报告说：少运动才能活得久――谈一下比例和率 61 5．7 在文章中如何正确展示百分比 63 6 章 寻找失踪的运动员――中心极限定理 64 6．1 中心极限定理针对的是样本统计量而非原始数据 65 6．2 样本量大于30 就可以认为是正态分布了吗 67 7 章 从“女士品茶”中领会假设检验的思想 70 7．1 女士品茶的故事 70 7．2 零假设和备择假设 ． 72 7．3 假设检验中的两类错误 73 7．4 P 值的含义 76 7．5 为什么P 值小于0．05（而不是0．02）才算有统计学意义 78 7．6 为什么零假设要设定两组相等而不是两组不等 79 8 章 参数估计――一叶落而知秋 81 8．1 点估计 81 8．2 小二乘估计 82 8．3 大似然估计 84 8．4 贝叶斯估计 86 9 章 置信区间估计――给估计留点余地 88 9．1 置信区间的理论与实际含义 88 9．2 置信区间与P 值的关系 90 9．3 利用标准误计算置信区间 91 9．4 利用Bootstrap 法估计置信区间 92 2 篇 实用篇 10 章 常用统计方法大串讲 98 10．1 一般线性模型――方差分析与线性回归的统一 99 10．2 广义线性模型――线性回归与Logistic 回归的统一 103 10．3 广义可加模型――脱离“线性”束缚 107 10．4 多水平模型――打破“独立”条件 112 10．5 结构方程模型――从单因单果到多因多果 119 11 章 正态性与方差齐性 127 11．1 用统计检验方法判断正态性 127 11．2 用描述的方法判断正态性 130 11．3 方差分析中的方差齐性判断 133 11．4 理解线性回归中的方差齐性 135 12 章 t 检验――不仅是两组比较 138 12．1 从另一个角度来理解t 检验 138 12．2 如何正确应用t 检验 140 12．3 t 检验用于回归系数的检验 141 12．4 t 检验的替代――Wilcoxon 秩和检验 142 13 章 方差分析与变异分解 145 13．1 方差分析中变异分解的思想 145 13．2 为什么回归分析中也有方差分析 147 13．3 铁打的方差分析，流水的实验设计 148 13．4 方差分析后为什么要进行两两比较 152 13．5 多重比较方法的选择建议 154 13．6 所有的多组都需要做两两比较吗――兼谈固定效应和随机效应 164 13．7 重复测量方差分析详解 166 13．8 方差分析的替代――Kruskal-Wallis 秩和检验 176 13．9 多组秩和检验后的两两比较方法 178 14 章 卡方检验――有“卡”未B走遍天下 181 14．1 卡方检验用于分类资料组间比较的思想 181 14．2 卡方用于拟合优度评价――从Hardy-Weinberg 定律谈起 184 14．3 似然比χ2、M-H χ2、校正χ2 与Fisher JQ检验 186 14．4 等级资料到底可不可以用卡方检验 191 14．5 卡方检验的两两比较 193 14．6 Cochran-Armitage 趋势检验 194 14．7 分类变量的赋值是如何影响分析结果的 196 15 章 相关分析与一致性检验 200 15．1 从协方差到线性相关系数 200 15．2 线性相关系数及其置信区间 203 15．3 如何比较两个线性相关系数有无差异 206 15．4 分类资料的相关系数 207 15．5 基于秩次的相关系数 210 15．6 相关分析中的几个陷阱 213 15．7 用ICC 和CCC 指标判断一致性 215 15．8 用Bland-Altman 图判断一致性 218 15．9 Kappa 检验在一致性分析中的应用 219 16 章 线性回归及其分析思路 222 16．1 残差――识别回归模型好坏的关键 223 16．2 回归系数的正确理解 226 16．3 回归系数检验VS 模型检验 227 16．4 均值的置信区间VS 个体的预测区间 228 16．5 逐步回归筛选变量到底可不可靠――谈变量筛选策略 230 16．6 如何评价模型是好还是坏――交叉验证思路 237 16．7 线性回归的应用条件――你的数据能用线性回归吗 240 16．8 如何处理非正态――Box-Cox 变换 247 16．9 如何处理非线性――Box-Tidwell 变换 248 16．10 方差不齐怎么办――加权小二乘法 250 16．11 当共线性导致结果异常时怎么办――岭回归、Lasso 回归 254 16．12 发现异常值应该删除吗――谈几种处理异常值的方法 260 16．13 如何处理缺失值――是删除还是填补 268 16．14 一个非教材的非典型案例――线性回归的综合分析 276 |
| 在线试读部分章节 |
...................
 |
 |
评论晒单