商务统计

本书将统计学的概念和方法应用于商务领域，从应用层面对统计学的基本方法进行了系统的讲解。全书分为三部分：数据探索和数据收集，建模与推断，以及决策建模。全书共16章，将方法的讲解与商务领域中的现实案例紧密结合起来，使读者掌握如何利用统计方法解决商务中的实际问题。本书还将统计软件与统计方法的应用结合起来，介绍了各种统计方法在Excel、Minitab、]MP、SPSS等软件中的操作实现步骤。

诺琳·R·夏普，曾在鲍登学院（Bowdoin College）和巴布森学院（Babson College）讲授统计学，还曾在耶鲁大学从事研究工作，目前是乔治城大学（Georgetown University）教授。理查德·D·德沃，是国际知名的教育家，曾在沃顿商学院（Wharton School）和普林斯顿大学（Princeton University）讲授过统计学，为美国运通、惠普、美国铝公司、杜邦、Pillsbury、通用电气、化学银行等“财富500强”企业做过咨询，目前是威廉姆斯学院（Williams College）统计学教授。
保罗·F·维尔曼，在创新性统计教育方面具有国际声望，任教于康奈尔大学，是Data Description公司的创始人和CEO，设计了Data Desk软件包。

第一篇数据探索与数据收集
第1章统计学与变异
1.1统计学是什么？
1.2本书有何用处
第2章数据
2.1什么是数据
2.2变量类型
2.3数据来源：where、how和when
小结
第3章调查与抽样
3.1抽样调查三原则
3.2总体与参数
3.3一般样本设计
3.4有效调查
3.5怎样使抽样变糟
小结
第4章展示与描述定性数据
4.1汇总定性变量
4.2展示定性变量
4.3探索两个定性变量：列联表
小结
第5章展示与描述定量数据
5.1显示定量数据
5.2形状
5.3中心
5.4分布的离散度
5.5形状、中心与离散度——一个总结
5.6五数概括与箱线图
5.7组间比较
5.8确认异常值
5.9标准化
5.10时间序列数据
小结
第6章相关性与线性回归
6.1观察散点图
6.2在散点图中指定变量的角色
6.3理解相关关系
6.4潜在变量与因果关系
6.5线性模型
6.6相关性与直线
6.7向均值的回归
6.8模型检验
6.9模型的变异和R2
6.10真实性检验：回归是否合理？
小结
第二篇建模与推断
第7章随机性与概率
7.1随机现象与概率
7.2不存在的平均值法则
7.3不同类型的概率
7.4概率原则
7.5联合概率与列联表
7.6条件概率
7.7创建列联表
7.8概率树
7.9转换条件：贝叶斯准则
小结
第8章随机变量与概率模型
8.1随机变量的期望值
8.2随机变量的标准差
8.3期望值与方差的性质
8.4离散概率模型
8.5连续型随机变量
小结
第9章抽样分布与比例的置信区间
9.1样本比例的分布
9.2比例的抽样分布
9.3中心极限定理
9.4置信区间
9.5误差幅度：确定性与准确性
9.6假设与条件
9.7选择样本容量
小结
第10章比例的假设检验
10.1假设
10.2作为假设检验的审判
10.3P值
10.4假设检验的原理
10.5备择假设
10.6α水平与显著性
10.7临界值
10.8置信区间与假设检验
10.9两类错误
10.10检验效力
小结
第11章均值的置信区间和假设检验
11.1均值的抽样分布
11.2抽样分布模型如何有效
11.3戈塞特与t分布
11.4均值的置信区间
11.5假设与条件
11.6检验关于均值的假设——单样本t检验
小结
第12章比较两个组
12.1比较两个均值
12.2两样本t检验
12.3假设与条件
12.4两个均值之差的置信区间
12.5合并的t检验
12.6图基快速检验
12.7配对数据
12.8配对t检验
小结
第13章计数的推断：卡方检验
13.1拟合优度检验
13.2解释卡方值
13.3检验残差
13.4齐性的卡方检验
13.5比较两个比例
13.6独立性的卡方检验
小结
第三篇决策建模
第14章回归的推断
14.1总体与样本
14.2假设与条件
14.3回归推断
14.4预测值的标准误
14.5使用置信区间和预测区间
14.6外推与预测
14.7不寻常与异常的观测值
14.8处理汇总值
14.9线性性质
小结
第15章多元回归
15.1多元回归模型
15.2解释多元回归的系数
15.3多元回归模型的假设和条件
15.4检验多元回归模型
15.5调整后的R2与F统计量
小结
第16章数据挖掘概述
16.1直接的市场营销
16.2数据
16.3数据挖掘的目标
16.4数据挖掘的误区
16.5成功的数据挖掘
16.6数据挖掘的问题
16.7数据挖掘的算法
16.8数据挖掘的过程
16.9总结
附录