基礎統計學, 14/e (雙色) Elementary Statistics 14E

第1 章　統計學概述 001
1-1　統計與批判性思維 004
例1：總體和樣本 004
例2：自願樣本 007
例3：統計顯著性與實際顯著性 008
1-2　數據類型 010
第1 部分：基本數據類型 010
例1：參數和統計量 011
例2：定量數據和分類數據 012
例3：離散型數據和連續型數據 013
例4：名目測量尺度 014
例5：次序測量尺度 015
例6：等距測量尺度 015
例7：等比測量尺度 016
例8：區分等比測量尺度和等距測量尺度 017
第2 部分：大數據和缺失數據——過量和不夠 018
1-3　樣本數據的收集 022
第１部分：實驗設計與樣本數據收集的基礎 022
例1：索爾克疫苗實驗 022
例2：冰激凌與溺水 023
例3：多階段抽樣設計 026
第2 部分：實驗設計與樣本數據收集的進階 026
第2 章　用圖表探索數據 031
2-1　頻數分佈表——數據的整理與匯總 033
例1：洛杉磯每日通勤時間頻數分佈表 035
例2：空難原因頻數分佈表 036
例3：比較紐約和博伊西的每日通勤時間 037
例4：探索數據——心率是如何測量的 039
例5：數據探索——差異告訴了我們什麽 040
第1 部分：直方圖的基本概念 041
2-2　直方圖 041
第2 部分　使用正態分位圖評估正態性 044
2-3　啟發性圖表與誤導性圖表 045
例1：男性心率的點圖 045
例2：男性心率的莖葉圖 046
例3：全球個人電腦出貨量的時間序列圖 047
例4：空難原因的帕累托圖 048
例５：空難原因的餅狀圖 049
例6：洛杉磯每日通勤時間的頻數多邊形 050
例7：相對頻數多邊形——洛杉磯和博伊西的每日通勤時間 050
例8：誤導性圖表——非零縱軸 051
例9：誤導性圖表——圖標的使用 052
第1 部分：散點圖和相關性 053
2-4　散點圖、相關分析與回歸分析 053
例1：存在相關性——用相機對海豹稱重 054
例2：不存在相關性——總統的身高與其對手的身高 055
例3：不存在相關性——硬幣的質量與其製造年份 055
第2 部分：線性相關系數 056
例4：通過與對數據看鞋印長度與身高是否存在相關性 056
例5：通過與對數據看鞋印長度與身高之間是否存在相關性 058
第3 部分：回歸分析 059
例6：通過回歸線看相關性 059
第３章　描述、探索和比較數據 060
3-1　集中趨勢的度量指標 062
第1 部分：集中趨勢度量的基本概念 062
例1：均值 064
例2：中位數——奇數個數據值 066
例3：中位數——偶數個數據值 066
例4：眾數 067
例5：中程數 068
例6：批判性思維與集中趨勢的度量指標 069
第2 部分：集中趨勢度量指標的進階部分 071
例7：根據頻數分佈表計算均值 071
例8：平均績點的計算 072
3-2　離散程度的度量指標 074
第1 部分：離散程度的基本概念 074
例１：全距 076
例２：使用公式3-4 計算標準差 077
例3：使用公式3-5 計算標準差 079
例4：使用範圍經驗法則解讀s 080
例5：使用範圍經驗法則估計s 081
第2 部分：離散程度的進階部分 083
例6：經驗法則 084
例7：切比雪夫定理 085
例8：比較“飛船搖滾飛車”和“恐怖魔塔”的等候時間 085
例9：比較成年男性的身高和體重 086
第1 部分：z 分數、百分位數、四分位數及箱形圖 087
3-3　相對位置的度量與箱形圖 087
例1：比較成年人的體溫和25 美分硬幣的重量 088
例2：4.01 級地震的震級是否顯著高 089
例3：求等候時間為45 分鐘的百分位數 090
例4：將求P25 百分位數轉換為相應的數據值 092
例5：將求P90 百分位數轉換為相應的數據值 092
例6：五數概括法 094
例7：構建箱形圖 095
例8：比較迪士尼樂園熱門游樂項目的等候時間 095
第2 部分：異常值和修正箱形圖 097
例9：構建修正箱形圖 097
第4 章　概率論 099
第1 部分：概率的基本概念 101
4-1　概率 101
例1：分析索賠 101
例2：簡單事件和樣本空間 103
例3：相對頻數法——空難 107
例4：經典計算法——性別相同的概率 107
例5：主觀估計法——在這門統計課中獲得A 107
例6：成年人認為其見過或遇到過鬼的概率 108
例7：感恩節在星期三和星期四的概率 108
例8：成年人上網的概率 109
第2 部分：發生比 110
例9：實際發生比與賠率 111
4-2　加法原理和乘法原理 112
例1：吸食毒品或檢驗結果為陰性的概率 113
例2：互斥事件和非互斥事件 113
例３：沒有智能手機的概率 114
例4：毒品檢驗和乘法原理 115
例5：無放回隨機選取之人檢驗為陰性的概率 117
例6：隨機選取兩人，生日在同一周的概率 118
例7：根據概率判斷顯著性結果 119
例8：計算一塊硬盤能正常工作一年的概率 120
第1 部分：對立事件，“至少一個”的概率 121
4-3　對立事件、條件概率以及貝葉斯定理 121
例1：求至少一件產品有缺陷的概率 122
第2 部分：條件概率 123
例2：入職前的毒品檢驗 124
第3 部分：貝葉斯定理 125
例3：條件概率謬論 125
例4：解讀醫學檢驗結果 126
4-4　計數法則 128
例1：乘法計數法則——黑客破譯密碼 129
例2：階乘法則——打亂字母 129
例2：階乘法則——打亂字母 130
例3：排列法則（元素相異）——三重彩投註 131
例4：排列法則（元素重復）——出色的問捲調查設計 132
例5：彩票中頭獎的概率 133
4-5　假設檢驗的統計模擬 134
例6：公司官員與委員會的任命方式有多少種 134
例1：檢驗人的平均體溫為98.6 ℉的命題 135
例2：三人生日都為同一天的概率 137
第5 章　離散概率分佈 139
5-1　概率分佈 141
第1 部分：概率分佈的基本概念 141
例1：兩個新生兒中女嬰數量的概率分佈 142
例2：未授權軟件的概率分佈 144
例3：求概率分佈的均值、方差和標準差 145
例4：通過範圍經驗法則確定顯著值 147
例5：使用概率確定顯著值 148
第2 部分：期望值和公式的基本原理 149
例6：期望值應用——明智的賭徒 149
5-2　二項分佈 151
第1 部分：二項分佈的基礎 151
例1：求正好有2 人沒有攜帶現金的概率 152
例2：應用二項概率公式求2 人沒有帶現金的概率 154
例3：橄欖球加時賽中勝利的概率 155
例4：5 個成年人中恰好有2 個人是素食者的概率 156
第2 部分：均值/ 標準差與批判性思維 157
例5：使用參數判斷顯著性 157
5-3　泊松分佈 160
例1：應用柏松分佈求颶風的概率 161
例2：求一年365 天里至少中獎一次的概率彩票 162
第6 章　正態分佈 164
6-1　標準正態分佈 166
例1：機場安檢等待時間的均勻分佈 168
例2：機場安檢等待時間至少需要2 分鐘的概率 168
例3：骨密度測試：低於1.27 的概率 170
例4：骨密度測試——試求給定值右側的面積 172
例5：骨密度測試——試求兩值之間的面積 173
例6：骨密度測試——試求測試分數 175
例7：骨密度測試：最低2.5% 和最高2.5% 的分數 176
例8：試求臨界值zα 177
6-2　正態分佈的實際應用 179
例1：男性身高高於72 英寸的百分比 180
例2：滿足飛行員身高要求的女性比例 181
例3：一扇門的高度應該是多少？ 183
例4：顯著低的出生體重 185
6-3　抽樣分佈和估計量 186
例1：樣本比例的抽樣分佈 189
例2：樣本均值的抽樣分佈 190
例3：所有樣本均值的抽樣分佈 191
例4：樣本方差的抽樣分佈 192
例5：樣本全距的抽樣分佈 194
6-4　中心極限定理 195
例1：波士頓通勤時間的正態分佈 195
例2：如何調整波音737 飛機的座椅寬度？ 198
例3：通過概率確定顯著值：人的平均體溫是98.6 ℉嗎？ 200
6-5　正態性檢驗 202
第1 部分：正態性檢驗的基本概念 202
例1：確定達拉斯通勤時間的樣本是否來自正態分佈的總體 204
第2 部分：正態分位圖的手動構建 204
例2：通過正態性檢驗評估達拉斯通勤時間的樣本 205
第7 章　參數估計和樣本量確定 207
7-1　總體比例的估計 209
第1 部分：點估計、置信區間和樣本量 210
例1：上網課學生比例的最佳點估計 210
例2：構建置信區間——上網課 216
例3：試求樣本比例和誤差範圍 218
例4：成年人選擇網購的比例是多少 220
第2 部分：更準確的置信區間 221
7-2　總體均值的估計 224
例1：求解臨界值tα/2 227
例2：花生巧克力的置信區間 228
例3：批判性思維——黑膠唱片的銷量 230
例4：關於二手煙置信區間的比較 232
例5：統計學專業學生的智商分數 235
7-3　總體標準差或方差的估計 235
例1：試求χ2 臨界值 237
例2：心率σ 的置信區間估計 239
例3：求估計σ 所需的樣本量 242
7-4　自助法 242
例1：收入的自助樣本 243
例２：眼睛色彩調查：比例的自助法置信區間 245
例３：年收入：均值的自助法置信區間 246
例4：年收入：標準差的自助法置信區間 248
第8 章　假設檢驗 249
8-1　假設檢驗的基礎 251
第1 部分：假設檢驗的基本方法 251
例1：大多數互聯網用戶使用雙重認證來保護他們的網絡數據 251
第２部分：第一類錯誤和第二類錯誤 261
例2：描述第一類錯誤和第二類錯誤 262
第3 部分：統計功效 263
例3：求解統計功效 263
例4：達到80% 的統計功效所需的樣本量 264
8-2　總體比例的假設檢驗 265
第1 部分：正態近似法 266
例1：少於30% 的成年人有過夢游嗎 270
第2 部分：精確法 271
例2：應用精確法評估例1 的結論 272
8-3　總體均值的假設檢驗 273
例1：成年人睡眠時間——使用統計軟件p 值法 275
例2：成年人睡眠時間——手算p 值法 278
例3：成人年睡眠時間——臨界值法 278
例4：成年人睡眠時間——置信區間法 279
例5：人的平均體溫真的是98.6 ℉嗎 280
8-4　總體標準差或方差的假設檢驗 282
例1：鑄造25 美分硬幣 283
例2：鑄造25 美分硬幣——置信區間法 285
8-5　重採樣法的假設檢驗 286
例1：置換檢驗 287
例2：總體比例的假設檢驗——重採樣法 289
例3：成年人睡眠時間——重採樣法 290
例4：鑄造25 美分硬幣——重採樣法 290
第９章　兩個樣本的統計推斷 291
9-1　兩個總體比例 293
例1：電子煙的戒煙成功率和尼古丁替代品的戒煙成功率有差異嗎 295
例2：兩個總體比例的置信區間 298
9-2　兩個總體均值：獨立樣本 300
第1 部分：獨立樣本，σ1 與σ2 未知且不相等 300
例1：人們越來越高了嗎 303
例2：身高差的置信區間估計 305
第2 部分：其他方法 306
9-3　配對樣本 308
例1：人們會謊報體重嗎 310
例２：置信區間法：估計男性的實測體重和自報體重差值的均值 313
第1 部分：兩個總體方差或標準差的F 檢驗 314
9-4　兩個總體方差或標準差 314
XX 基礎統計學（第14 版）
例1：美國陸軍男性人員的體重 317
第2 部分：其他方法 319
9-5　重採樣法的統計推斷 320
例1：雙樣本的置換檢驗 320
例２：重採樣法：檢驗總體比例差 322
例3：重採樣法：檢驗獨立總體的均值差 323
例4：重採樣法：配對樣本 324
例5：重採樣法：檢驗兩個總體的方差或標準差 325
第10 章　相關分析與回歸分析 326
10-1 相關分析 328
第1 部分：相關性的基本概念 328
例1：通過軟件求r 332
例2：通過公式10-1 求r 333
例3：通過公式10-2 求r 333
例4：是否存在線性相關性 335
例5：偽相關 336
例6：可解釋變異 337
例7：相關系數的t 檢驗 338
第2 部分：假設檢驗 338
第3 部分：置換檢驗 340
10-2　線性回歸 342
第1 部分：回歸的基本概念 342
例1：使用統計軟件求回歸方程 344
例2：通過手算求回歸方程 345
例3：繪制回歸線 345
例4：模型預測 347
例5：強影響點 348
第2 部分：線性回歸的分析工具 348
例6：殘差圖 350
10-3　預測區間 352
例1：彩票的頭獎金額與銷售量的預測區間 353
例2：彩票的頭獎金額與銷售量數據：求決定系數 355
10-4　多元線性回歸 356
第1 部分：多元回歸方程的基本概念 356
例1：預測體重 357
例2：根據足跡證據預測身高 360
第2 部分：虛擬變量與邏輯回歸 361
例3：虛擬變量作為預測變量 362
例4：邏輯回歸 363
10-5　非線性回歸 364
例1：求最佳人口模型 365
例2：解讀R 2 366
例3：新型冠狀病毒感染疫情 366
第11 章　擬合優度與列聯表 368
11-1　擬合優度 369
例1：實測數據與自報數據 372
例2：本福特定律：檢測電腦入侵 375
第1 部分：獨立性檢驗的基本概念 378
11-2　列聯表 378
例1：求理論頻數 380
例2：接種疫苗與自閉症之間是否有關聯 381
第2 部分：同質性檢驗、費希爾精確檢驗和配對卡方檢驗 383
例3：歸還錢包實驗 384
例4：打哈欠會傳染嗎 385
例5：髖關節保護器的效果 386
第12 章　方差分析 388
12-1　單因素方差分析 390
第1 部分：單因素方差分析的基本概念 390
例1：車型與頭部損傷結果 392
第2 部分：單因素方差分析的進階 394
例2：邦費羅尼校正 398
12-2　雙因素方差分析 399
例1：汽車碰撞測試中的股骨受力情況 402
第13 章　非參數檢驗方法 405
13-1　非參數檢驗的基本方法 407
例1：平均秩次 408
13-2　符號檢驗 409
例1：與備擇假設相矛盾的樣本數據 411
例2：實測體重與自報體重之間是否存在顯著差異 411
例3：性別選擇 412
例4：檢驗體溫的中位數 414
13-3　威爾科克森符號秩檢驗 416
例1：實測體重和自報體重 418
例2：體溫的中位數檢驗 419
13-4　威爾科克森秩和檢驗 421
例1：男性身高樣本數據檢驗 423
例2：男性身高——更大的樣本 424
13-5　Kruskal-Wallis 檢驗 425
例1：車型與頭部損傷結果 426
13-6　秩相關性檢驗 428
例1：質量好的智能手機售價更高嗎 430
例2：大樣本的情況 431
13-7　游程檢驗 433
例1：小樣本——總統的政黨 437
例2：大樣本——氣溫的隨機性 437
第14 章　統計過程控制 439
14-1　均值和波動的控制圖 441
例1：全球溫度——過程數據 441
例2：全球溫度——趨勢圖 442
例3：全球溫度——R 控制圖 447
例4：全球溫度——x - 控制圖 449
14-2　比例的控制圖 450
例1：不合格的飛機高度計 451
第15 章　整體統計學 453