商务与经济统计学(第12版)/统计学经典译丛

詹姆斯·麦克拉夫、乔治·本森、特里·辛西奇 著的《商务与经济统计学(第12版)》是一本强调统计 推断的入门教程，广泛涵盖了在统计报告评估和决策 支持时所必需的数据收集和分析的方法。除了保持前 几版的风格外，本书继续强调统计思维的建立、可靠 性的评估以及基于数据的统计推断对数据购买者或生 产者的价值。 本书的目标是“促进统计学在商学院中更加有效 地运用”，因此体现出以下特点： 强调统计知识的学习和统计思维的培养 分析应用中使用真实数据 使用计算机技术来辅助概念的理解和数据的分析 培养课堂内主动学习的能力 重视概念的理解，而非仅仅是统计理论的学习 突出概率的直观概念

詹姆斯·麦克拉夫（James T. McClave）统计学博士。在佛罗里达大学从事教学工作长达20年之久，并教授过统计学的所有课程，在他的教学生涯中预计有超过一万名的学生上过他的课。后于1977年创建信息技术有限公司（Info Tech, Inc），目的在于应用统计学的理论来解决现实世界的问题。开发BAMS/DSS?软件以探查共谋行为，与众多州立司法部以及美国律法部合作，追回数千万美元纳税金。现任公司总裁兼首席执行官，佛罗里达大学统计学兼职教授。 易丹辉，1981年考入中国人民大学统计学专业，1984年12月留校任教，现任中国人民大学统计学院教授，博士生导师，统计咨询中心主任。他主要从事统计方法在经济、金融、保险、医疗、管理等领域应用的研究。讲授课程:统计预测、预测动态、实验设计、 Categorical Data Analysis、金融风险分析技术、Structural Equations Model、时间序列分析、数据挖掘技术及应用等课程。 李扬 毕业于上海交通大学计算机应用专业，工学硕士。现任职于：IBM中国软件开发实验室(上海)。长期专业于Java软件设计开发，覆盖J2SE、J2EE和J2ME。工作期间参与的项目多为J2EE。业余时间喜欢研究各种Java open source。

第1章 统计、数据和统计思维 1.1 统计 1.2 商业中的统计应用类型 1.3 统计的基本要素 1.4 过程（选学） 1.5 数据类型 1.6 收集数据：抽样及相关问题 1.7 统计在决策管理中的作用 第2章 数据集的描述方法 2.1 定性数据的描述 2.2 描述定量数据的图形方法 2.3 集中趋势的数值测度 2.4 变异性的数值测度 2.5 利用均值和标准差描述数据 2.6 相对位置的数值测度 2.7 异常值的检测方法：箱线图和z得分 2.8 二元关系的图形描述（选学） 2.9 时间序列图（选学） 2.10 描述性方法对事实的扭曲 第3章 概率 3.1 事件、样本空间和概率 3.2 事件的并和交 3.3 互补事件 3.4 加法法则和互斥事件 3.5 条件概率 3.6 乘法法则和独立事件 3.7 贝叶斯定理 第4章 随机变量与概率分布 4.1 随机变量的两种类型 4.2 离散型随机变量的概率分布 4.3 二项分布 4.4 其他离散型分布：泊松分布和超几何分布 4.5 连续型随机变量的概率分布 4.6 正态分布 4.7 评价正态性的描述性方法 4.8 其他连续型分布：均匀分布和指数分布 第5章 抽样分布 5.1 抽样分布的概念 5.2 抽样分布的性质：偏性和最小方差 5.3 样本均值的抽样分布与中心极限定理 5.4 样本比例的抽样分布 第6章 基于单样本的统计推断：置信区间的估计 6.1 确定与估计目标参数 6.2 总体均值的大样本置信区间：正态（z）统计量 6.3 总体均值的小样本置信区间：学生t统计量 6.4 总体比例的大样本置信区间 6.5 确定样本量 6.6 简单随机抽样的有限总体修正（选学） 6.7 总体方差的置信区间（选学） 第7章 基于单样本的统计推断：假设检验 7.1 假设检验的要素 7.2 设定假设与构造拒绝域 7.3 观测的显著性水平：p值 7.4 总体均值的假设检验：正态（z）统计量 7.5 总体均值的假设检验：学生t统计量 7.6 总体比例的大样本假设检验 7.7 总体方差的假设检验 7.8 计算犯第Ⅱ类错误的概率：更多关于β的信息（选学） 第8章 基于两样本的统计推断：置信区间和假设检验 8.1 确定目标参数 8.2 比较两个总体均值：独立抽样 8.3 比较两个总体均值：配对差异试验 8.4 比较两个总体比例：独立抽样 8.5 确定所需样本量 8.6 比较两个总体方差：独立抽样 第9章 试验设计和方差分析 9.1 试验设计基础 9.2 完全随机设计：单因素 9.3 均值的多重比较 9.4 随机区组设计 9.5 析因试验：双因素 第10章 分类数据的分析 10.1 分类数据和多项试验 10.2 分类概率的检验：单向表 10.3 对分类概率的检验：双向（列联）表 10.4 卡方检验中需要注意的地方 第11章 简单线性回归 11.1 概率模型 11.2 模型拟合：最小二乘法 11.3 模型假设 11.4 评价模型的有效性：对斜率β1 的推断 11.5 相关系数和决定系数 11.6 利用模型进行估计和预测 11.7 一个完整的例子 第12章 多元线性回归和模型建立 12.1 多元回归模型 12.2 一阶模型：估计和解释参数 12.3 模型整体有效性评价 12.4 利用模型进行估计和预测 12.5 交互模型 12.6 二阶模型以及其他高阶模型 12.7 定性（虚拟）变量模型 12.8 包含定性变量和定量变量的模型 12.9 比较嵌套模型 12.10 逐步回归 12.11 残差分析：检验回归假设 12.12 一些陷阱：可估性、 多重共线性与外推法 附录 对照表