生活中的統計學

目錄

第1章如何從海量數據中篩選你需要的數據

——數據的收集

1.1從柏拉圖摘麥穗說起

1.1.1如何摘到最大的麥穗

1.1.2樣本點和樣本的區別

1.1.337%法則

1.2新生嬰兒性別比例總是趨於穩定嗎

1.2.1近似相等與相等的重要區別

1.2.2從嬰兒性別比例推廣到火柴燃燒時間

1.2.3大數定理在保險行業的應用

1.3為什麽一小部分人的意見就能代表全體人

1.3.1100個人的收入能代表10000個人的

收入嗎

1.3.2確定抽樣人均收入與真實人均收入間

的誤差

1.3.3考慮樣本的最佳大小

1.4一份標準試捲是怎麽設計出來的

1.4.1抽樣時真的能做到完全隨機嗎

1.4.2確保高考試捲的公平性

1.4.3抽樣調查的一些補充要點

生活中的統計學

目錄

第2章小小統計量中的大奧妙

——描述性統計分析

2.1你知道年齡屬於哪一類數據嗎

2.1.1如何用數字表示求職者的最高學歷

2.1.2統計調查中專用的數據類型有哪些

2.1.3新浪微博屬於哪類數據

2.2平均薪資的陷阱和真相

2.2.1是誰拉高了平均薪資

2.2.2如何計算加權平均薪資

2.2.3用四分位數估計薪資區間

2.3得分高就是好球員嗎

2.3.1用極差、四分位差和平均差衡量球員的

水平

2.3.2方差和標準差的關系

2.3.3消除了量綱的統計量

2.4常見的社會經濟統計量

2.4.1國內生產總值到底是怎麽核算出來的

2.4.2根據國內生產總值衍生出的其他統計量

2.4.3基尼系數和恩格爾系數

第3章使用色彩和圖形傳遞信息

——繪制統計圖表

3.1為什麽條形圖比折線圖更好

3.1.1最基本的3種圖形

3.1.2條形圖優於折線圖的兩個理由

3.1.3直方圖和條形圖的區別

3.2離散型變量適合繪制的圖形

3.2.1什麽樣的數據適合畫餅圖

3.2.2有時候表格比圖形更重要

3.2.3馬賽克圖和莖葉圖也是圖形的一分子

3.3為高維變量繪圖

3.3.1三維圖一定比二維圖美觀嗎

3.3.2按照變量繪制高維圖形

3.3.3按照樣本點繪制高維圖形

3.4好圖形的3個標準

3.4.1常見的幾種繪圖錯誤

3.4.2一些優秀圖表案例

第4章用概率的眼光看世界

——常用的幾種概率分佈

4.1買彩票真的能發家致富嗎

4.1.1由福彩6+1的中獎概率導出二項分佈

4.1.2計算福彩6+1的獲獎期望

4.1.3超幾何分佈和人壽保險問題

4.2幾點出門才不會遲到

4.2.1用二項分佈逼近泊松分佈

4.2.2一個簡單的公共汽車客流案例

4.2.3如何判斷一個分佈是否為泊松分佈

4.3捕撈到金魚的概率有多大

4.3.1從水缸里撈金魚談到幾何概率

4.3.2一維均勻分佈和二維均勻分佈

4.3.3利用均勻分佈進行模擬估計

4.4智商多少才是正常水平

4.4.1高爾頓板實驗和正態分佈的聯系

4.4.2一元正態分佈的主要性質

4.4.3計算正態分佈的概率

4.5手提電腦的壽命到底有多長

4.5.1電器壽命和指數分佈的關系

4.5.2從泊松過程中推導指數分佈

第5章用概率分佈解決實際問題

——參數估計和非參數估計

5.1根據月賬單明細估計消費水平

5.1.1估計湖中的魚苗數目

5.1.2選擇賬單明細的方差估計量

5.1.3點估計量的其他性質

5.2進一步估計消費區間

5.2.1估計變量是否服從正態分佈

5.2.2估計消費賬單的區間

5.3直方圖估計VS核密度估計

5.3.1用直方圖估計花萼寬度數據的分佈

5.3.2使用核函數使密度函數變得平滑

5.3.3K近鄰估計和聚類分析

第6章判斷估計結果的合理性——假設檢驗

6.1如何得知袋裝麵包有沒有偷工減料

6.1.1確定麵包重量的分佈

6.1.2雙側假設檢驗

6.1.3單側假設檢驗

6.2投放廣告能增加銷售額嗎

6.2.1檢驗兩個正態分佈的均值

6.2.2檢驗兩個正態分佈的方差

6.2.3有關假設檢驗的補充知識

6.3由遛狗結果求解後驗概率

6.3.1輪盤賭和遛狗的條件概率

6.3.2兒童智商問題與參數的區間估計

6.3.3根據後驗概率比進行假設檢驗

6.4補習班真的能提高小孩成績嗎

6.4.1參數檢驗和非參數檢驗的區別

6.4.2利用樣本的秩判斷兩組成績數據是否

有差別

6.4.3從另一種角度檢驗補習班問題

6.5檢驗離散型的順序變量和因子變量

6.5.1卡方分佈就是正態分佈的平方和

6.5.2檢驗歷年戰爭次數是否服從泊松分佈

6.5.3檢驗年齡和投票結果是否相互影響

第7章從稻田試驗發展出的學科——方差分析

7.1從F分佈推出方差分析的基本原理

7.1.1從卡方分佈導出F分佈

7.1.2方差分析的一些基本知識

7.2去哪家餐廳吃飯更合算

7.2.1餐廳得分的組內差異和組間差異

7.2.2使用F分佈檢驗餐廳得分是否有所不同

7.2.3方差分析的多重比較問題

7.3餐廳的地理位置會影響菜餚的美味程度嗎

7.3.1在餐廳問題中引入餐廳地理位置因素

7.3.2考慮地理位置與餐廳的交互作用

7.3.3從兩因素方差分析推廣到其他的方差

分析

7.4中藥和西藥哪個對糖尿病更有效

7.4.1配對比較實驗設計問題

7.4.2隨機化區組實驗設計問題

第8章統計學界的明珠——相關與回歸問題

8.1花瓣數據和花萼數據的關系

8.1.1比較4種花朵數據的相關性

8.1.2消除其他變量對相關系數的影響

8.1.3計算離散型數據的相關系數

8.2姚明的兒子會比姚明還高嗎

8.2.1父親身高與兒子身高的相關性

8.2.2使用最小二乘估計回歸參數

8.2.3在回歸分析中引入母親身高

8.2.4使用逐步回歸篩選自變量

8.3收入和支出呈線性關系嗎

8.3.1高收入人群與低收入人群的消費模式

8.3.2多項式回歸和R2

8.3.3廣義線性回歸模型和非線性回歸模型

8.4如何計算花朵的種類

8.4.1將婚姻狀態處理為啞變量

8.4.2花朵種類計算結果與S分佈

8.4.3邏輯回歸中的優勢比

8.5回歸分析常見謬誤

8.5.1使用殘差項檢驗異常值問題

8.5.2DW檢驗和自相關問題

8.5.3多重共線性和異方差問題

〖＝（〗122457791113131517191921232526262829313133353838414244444648515252565962626567696972767979848990909394969799101102103105109111111114117121121124127128128130132133133137139140142146149150150153154157157160162165165167169170170172174177177179181185186186188191191193194196197199201202202204207208208211212214215217219221224224228231232232234237238238241243〖＝〗