书籍详情
Minitab应用统计分析
作者：夏龙 著
出版社：电子工业出版社
出版时间：2020-01-01
ISBN：9787121377426
定价：¥69.00
购买这本书可以去
内容简介
随着大数据时代的来临，统计分析已经成为社会经济生活中的必备能力。《Minitab应用统计分析》以Minitab18.1为统计工具，详细介绍了应用统计中的描述统计，概率、分布与模拟，单样本的估计和检验，双样本的统计推断，基础统计方法的拓展，方差分析，回归分析，经典统计的替代与补充，多元统计分析，时间序列分析与预测及质量管理中的统计方法。本书的资源丰富，书中共包含了近300个案例，网络资源中还包括案例的全部数据和视频教程，读者可以通过书中的操作指令和网站上的视频教程运行本书所有案例的程序，学习起来非常方便。《Minitab应用统计分析》可以作为高等院校自然科学和社会科学本专科学生、研究生的教学用书或实验教材，也可以作为社会上统计软件的培训教材，同时还可以作为实际工作者的统计工具书和质量管理人员的统计参考书。
作者简介
夏龙，男，1978年生，陕西安康人，博士，副教授。1996年考入西安交通大学，2004年硕士毕业后分配至北京农学院，其间考入西安交通大学攻读博士，2014年获应用经济学博士学位，现系北京农学院城乡发展学院教学副院长。从教14年以来，先后为本科教授经济学、统计学、计量经济学等课程，为研究生教授中级微观经济学，教学上酷爱撰写讲义，注重教学改革，提倡教学方法的变革，先后副主编或参编各类省部级规划教材6本，2018年获批农业部十三规划教材《计量经济学与stata实训教程》，正在撰写中。科研上承担北京市社科基金一般项目、北京市教委社科计划面上项目各1项，发表论文20余篇，其中CSSCI论文5篇，1篇被人大复印资料全文索引，出版专著1本，20万字。
目录
目 录
第1章 Minitab与应用统计\t1
1．1 概述\t1
1．2 Minitab基础\t1
1．2．1 窗口介绍\t2
1．2．2 简单示例与本书约定\t3
1．3 主要统计概念\t6
1．3．1 一个调查\t6
1．3．2 变量的测量尺度与变量类型\t7
1．3．3 变量的关系\t9
1．3．4 数据的预处理\t9
1．3．5 其他概念\t12
1．4 利用Minitab自学统计\t13
第2章 描述统计\t15
2．1 单变量的图表方法\t15
2．1．1 一个品质变量\t15
2．1．2 一个数值变量\t18
2．2 双变量的图表方法\t23
2．2．1 两个品质变量\t23
2．2．2 品质变量与数值变量\t27
2．2．3 两个数值变量\t30
2．3 三变量的图表方法\t32
2．3．1 三个品质变量\t32
2．3．2 三个数值变量\t34
2．4 数值变量的数值方法\t36
2．4．1 数值变量的数值方法概述\t36
2．4．2 一个数值变量\t36
2．4．3 两个数值变量\t46
第3章 概率、分布与模拟\t50
3．1 基本概念\t50
3．1．1 概率\t50
3．1．2 随机变量与分布\t51
3．1．3 理论分布\t54
3．2 离散型概率分布\t55
3．2．1 离散型均匀分布\t55
3．2．2 二项分布\t55
3．2．3 泊松分布\t57
3．3 连续型概率分布\t58
3．3．1 均匀分布\t58
3．3．2 指数分布\t59
3．3．3 正态分布\t61
3．4 其他连续型分布\t63
3．4．1 ?2分布\t63
3．4．2 t分布\t64
3．4．3 F分布\t65
3．5 概率、累积概率和逆累积概率的计算\t66
3．5．1 计算的类型和方法\t66
3．5．2 利用Minitab计算概率、累积概率和
逆概率\t68
3．6 样本分布与模拟\t76
3．6．1 样本分布与抽样概述\t76
3．6．2 简单随机抽样\t76
3．6．3 正态分布模拟\t77
3．7 抽样分布与模拟\t80
3．7．1 推断统计与抽样分布\t80
3．7．2 抽样分布模拟\t83
第4章 单样本的估计和检验\t87
4．1 估计的概念与类型\t87
4．1．1 估计的概念\t87
4．1．2 单样本区间估计的类型\t88
4．2 单样本的区间估计\t89
4．2．1 总体标准差 ? 已知时，总体均值 ? 的
区间估计\t89
4．2．2 总体标准差 ? 未知时，总体均值 ? 的
区间估计\t94
4．2．3 总体比例 ? 的区间估计\t97
4．2．4 总体方差 ?2（标准差 ?）的
区间估计\t99
4．2．5 总体均值与总体方差的区间估计
应用\t102
4．3 样本容量的计算\t103
4．4 假设检验的概念与类型\t105
4．4．1 假设检验的概念与P值法\t105
4．4．2 三种类型的假设检验\t106
4．4．3 两种形式的假设检验\t107
4．5 单样本的假设检验\t109
4．5．1 总体标准差 ? 已知时，总体均值 ? 的
假设检验\t109
4．5．2 总体标准差 ? 未知时，总体均值 ? 的
假设检验\t114
4．5．3 总体比例 ? 的假设检验\t117
4．5．4 总体方差 ?2（标准差 ?）的假设
检验\t119
4．6 功效检验\t122
第5章 双样本的统计推断\t126
5．1 双样本统计推断的基础知识\t126
5．1．1 双样本统计推断概述\t126
5．1．2 双样本统计推断的类型\t127
5．2 双样本的统计推断\t128
5．2．1 总体均值之差?1??2的统计推断：两总体的标准差?1和?2已知时的独立
样本\t128
5．2．2 总体均值之差?1??2的统计推断：两总体的标准差?1和?2未知时的独立
样本\t133
5．2．3 总体均值之差?1??2的统计推断：
配对样本\t136
5．2．4 总体比例之差 ?1??2 的统计推断\t140
5．2．5 总体方差（标准差）之比
（?1/?2）的统计推断\t145
5．3 Minitab中样本数据的存储方式\t148
5．3．1 样本数据存储方式概述\t148
5．3．2 堆叠数据与非堆叠数据的转换方式\t149
5．3．3 利用非堆叠数据进行统计推断\t150
第6章 基础统计方法的拓展\t152
6．1 假设检验的拓展\t152
6．1．1 正态性检验\t152
6．1．2 等方差检验\t156
6．1．3 异常值检验\t159
6．2 数值变量与泊松率\t161
6．2．1 泊松分布的拟合优度检验\t161
6．2．2 单样本泊松率的统计推断\t163
6．2．3 双样本泊松率的统计推断\t164
6．3 品质变量与卡方检验\t167
6．3．1 拟合优度的卡方检验\t167
6．3．2 二维列联表的卡方检验\t172
6．3．3 三维列联表的卡方检验\t177
第7章 方差分析\t179
7．1 利用堆叠数据陈述假设\t179
7．2 单因子方差分析\t180
7．2．1 方差分析的概念\t180
7．2．2 基于一般线性模型的单因子方差
分析\t182
7．2．3 多重比较\t186
7．2．4 因子图与预测\t188
7．2．5 完整案例\t189
7．2．6 单因子方差分析的其他问题\t191
7．3 双因子方差分析\t194
7．3．1 不含交互作用的双因子方差分析\t194
7．3．2 包含交互作用的双因子方差分析\t198
7．4 方差分析的拓展\t202
7．4．1 协方差分析\t202
7．4．2 随机效应与混合效应方差分析\t208
7．4．3 完全嵌套方差分析\t211
7．4．4 多元方差分析\t215
7．5 双因子方差分析的数据格式与重复测量方差
分析\t217
7．5．1 双因子方差分析的非堆叠数据格式与
转换\t217
7．5．2 重复测量方差分析\t218
第8章 回归分析\t219
8．1 相关关系与相关系数的假设检验\t219
8．2 线性回归：数值因变量\t220
8．2．1 简单线性回归\t220
8．2．2 多重线性回归\t228
8．2．3 预测\t233
8．3 回归诊断\t235
8．3．1 残差分析：检验模型的统计正确性\t235
8．3．2 检验异常值、高杠杆点和强影响点\t238
8．3．3 多重共线性\t240
8．3．4 线性回归与回归诊断的案例\t241
8．4 线性回归中的其他问题\t245
8．4．1 品质自变量\t245
8．4．2 包含品质、数值两种自变量的回归\t252
8．4．3 模型构建\t256
8．5 特殊因变量回归\t261
8．5．1 二值logistic回归\t261
8．5．2 名义logistic回归\t271
8．5．3 顺序logistic回归\t276
8．5．4 泊松回归\t279
8．6 变量具有函数关系时的应用统计方法总结\t281
第9章 经典统计的替代与补充\t283
9．1 非参数统计方法\t283
9．1．1 非参数统计方法概述\t283
9．1．2 单样本的统计推断\t284
9．1．3 双样本的统计推断\t289
9．1．4 方差分析\t295
9．1．5 游程检验与Spearman秩相关\t300
9．2 等价检验\t303
9．2．1 单样本均值的等价检验\t303
9．2．2 两样本均值的等价检验\t305
9．3 可靠性/生存分析\t308
9．3．1 生存分析概述\t308
9．3．2 生存分析的参数方法\t311
9．3．3 生存分析的非参数方法\t315
9．3．4 生存回归\t318
第10章 多元统计分析\t321
10．1 多元统计分析概述\t321
10．2 聚类分析\t321
10．2．1 聚类分析的概念\t321
10．2．2 Q型聚类与距离\t322
10．2．3 Q型聚类：观测值聚类\t323
10．2．4 Q型聚类：K均值聚类\t327
10．2．5 R型聚类与相似性：变量聚类\t329
10．3 判别分析\t330
10．4 主成分分析与因子分析\t335
10．4．1 主成分分析\t335
10．4．2 因子分析\t339
10．5 对应分析\t343
10．5．1 对应分析概述\t343
10．5．2 简单对应分析\t346
10．5．3 多重对应分析\t348
第11章 时间序列分析与预测\t350
11．1 时间序列的基本概念\t350
11．1．1 时间序列图\t350
11．1．2 自相关与平稳性\t351
11．2 平稳时间序列预测的平滑方法\t355
11．2．1 预测入门\t355
11．2．2 移动平均法\t356
11．2．3 指数平滑法\t358
11．3 非平稳时间序列的预测方法\t360
11．3．1 时间序列的成分\t360
11．3．2 趋势分析\t360
11．3．3 季节效应\t364
11．4 ARIMA模型\t368
11．4．1 AR、MA和ARMA模型的估计和
预测\t368
11．4．2 差分与ARIMA模型\t375
11．4．3 模型选择\t378
11．4．4 包含季节效应的ARIMA模型\t382
11．5 回归分析方法\t385
11．5．1 利用回归分析估计时间序列数据\t385
11．5．2 时间序列回归分析的回归诊断\t387
第12章 质量管理中的统计方法\t390
12．1 质量管理概述\t390
12．2 过程分析的图形方法\t391
12．2．1 帕累托图\t391
12．2．2 因果图\t392
12．2．3 多变异图\t393
12．3 控制图\t396
12．3．1 控制图概述\t396
12．3．2 变量控制图\t396
12．3．3 属性控制图\t401
12．3．4 利用控制图预警\t407
12．4 过程能力分析\t408
12．4．1 过程能力分析概述\t408
12．4．2 正态数据的过程能力分析\t409
12．4．3 非正态数据的过程能力分析\t412
12．4．4 属性数据的过程能力分析\t415
12．5 试验设计（DOE）\t417
12．5．1 试验设计概述\t417
12．5．2 全因子试验设计的计划阶段\t419
12．5．3 全因子试验设计的分析阶段\t421
12．5．4 部分因子试验设计\t430
12．5．5 其他试验设计方法\t435
12．6 测量系统分析\t445
12．6．1 测量系统分析概述\t445
12．6．2 重复性和再现性\t447
12．6．3 偏移和线性\t453
12．6．4 重复性和偏移\t454
第1章 Minitab与应用统计\t1
1．1 概述\t1
1．2 Minitab基础\t1
1．2．1 窗口介绍\t2
1．2．2 简单示例与本书约定\t3
1．3 主要统计概念\t6
1．3．1 一个调查\t6
1．3．2 变量的测量尺度与变量类型\t7
1．3．3 变量的关系\t9
1．3．4 数据的预处理\t9
1．3．5 其他概念\t12
1．4 利用Minitab自学统计\t13
第2章 描述统计\t15
2．1 单变量的图表方法\t15
2．1．1 一个品质变量\t15
2．1．2 一个数值变量\t18
2．2 双变量的图表方法\t23
2．2．1 两个品质变量\t23
2．2．2 品质变量与数值变量\t27
2．2．3 两个数值变量\t30
2．3 三变量的图表方法\t32
2．3．1 三个品质变量\t32
2．3．2 三个数值变量\t34
2．4 数值变量的数值方法\t36
2．4．1 数值变量的数值方法概述\t36
2．4．2 一个数值变量\t36
2．4．3 两个数值变量\t46
第3章 概率、分布与模拟\t50
3．1 基本概念\t50
3．1．1 概率\t50
3．1．2 随机变量与分布\t51
3．1．3 理论分布\t54
3．2 离散型概率分布\t55
3．2．1 离散型均匀分布\t55
3．2．2 二项分布\t55
3．2．3 泊松分布\t57
3．3 连续型概率分布\t58
3．3．1 均匀分布\t58
3．3．2 指数分布\t59
3．3．3 正态分布\t61
3．4 其他连续型分布\t63
3．4．1 ?2分布\t63
3．4．2 t分布\t64
3．4．3 F分布\t65
3．5 概率、累积概率和逆累积概率的计算\t66
3．5．1 计算的类型和方法\t66
3．5．2 利用Minitab计算概率、累积概率和
逆概率\t68
3．6 样本分布与模拟\t76
3．6．1 样本分布与抽样概述\t76
3．6．2 简单随机抽样\t76
3．6．3 正态分布模拟\t77
3．7 抽样分布与模拟\t80
3．7．1 推断统计与抽样分布\t80
3．7．2 抽样分布模拟\t83
第4章 单样本的估计和检验\t87
4．1 估计的概念与类型\t87
4．1．1 估计的概念\t87
4．1．2 单样本区间估计的类型\t88
4．2 单样本的区间估计\t89
4．2．1 总体标准差 ? 已知时，总体均值 ? 的
区间估计\t89
4．2．2 总体标准差 ? 未知时，总体均值 ? 的
区间估计\t94
4．2．3 总体比例 ? 的区间估计\t97
4．2．4 总体方差 ?2（标准差 ?）的
区间估计\t99
4．2．5 总体均值与总体方差的区间估计
应用\t102
4．3 样本容量的计算\t103
4．4 假设检验的概念与类型\t105
4．4．1 假设检验的概念与P值法\t105
4．4．2 三种类型的假设检验\t106
4．4．3 两种形式的假设检验\t107
4．5 单样本的假设检验\t109
4．5．1 总体标准差 ? 已知时，总体均值 ? 的
假设检验\t109
4．5．2 总体标准差 ? 未知时，总体均值 ? 的
假设检验\t114
4．5．3 总体比例 ? 的假设检验\t117
4．5．4 总体方差 ?2（标准差 ?）的假设
检验\t119
4．6 功效检验\t122
第5章 双样本的统计推断\t126
5．1 双样本统计推断的基础知识\t126
5．1．1 双样本统计推断概述\t126
5．1．2 双样本统计推断的类型\t127
5．2 双样本的统计推断\t128
5．2．1 总体均值之差?1??2的统计推断：两总体的标准差?1和?2已知时的独立
样本\t128
5．2．2 总体均值之差?1??2的统计推断：两总体的标准差?1和?2未知时的独立
样本\t133
5．2．3 总体均值之差?1??2的统计推断：
配对样本\t136
5．2．4 总体比例之差 ?1??2 的统计推断\t140
5．2．5 总体方差（标准差）之比
（?1/?2）的统计推断\t145
5．3 Minitab中样本数据的存储方式\t148
5．3．1 样本数据存储方式概述\t148
5．3．2 堆叠数据与非堆叠数据的转换方式\t149
5．3．3 利用非堆叠数据进行统计推断\t150
第6章 基础统计方法的拓展\t152
6．1 假设检验的拓展\t152
6．1．1 正态性检验\t152
6．1．2 等方差检验\t156
6．1．3 异常值检验\t159
6．2 数值变量与泊松率\t161
6．2．1 泊松分布的拟合优度检验\t161
6．2．2 单样本泊松率的统计推断\t163
6．2．3 双样本泊松率的统计推断\t164
6．3 品质变量与卡方检验\t167
6．3．1 拟合优度的卡方检验\t167
6．3．2 二维列联表的卡方检验\t172
6．3．3 三维列联表的卡方检验\t177
第7章 方差分析\t179
7．1 利用堆叠数据陈述假设\t179
7．2 单因子方差分析\t180
7．2．1 方差分析的概念\t180
7．2．2 基于一般线性模型的单因子方差
分析\t182
7．2．3 多重比较\t186
7．2．4 因子图与预测\t188
7．2．5 完整案例\t189
7．2．6 单因子方差分析的其他问题\t191
7．3 双因子方差分析\t194
7．3．1 不含交互作用的双因子方差分析\t194
7．3．2 包含交互作用的双因子方差分析\t198
7．4 方差分析的拓展\t202
7．4．1 协方差分析\t202
7．4．2 随机效应与混合效应方差分析\t208
7．4．3 完全嵌套方差分析\t211
7．4．4 多元方差分析\t215
7．5 双因子方差分析的数据格式与重复测量方差
分析\t217
7．5．1 双因子方差分析的非堆叠数据格式与
转换\t217
7．5．2 重复测量方差分析\t218
第8章 回归分析\t219
8．1 相关关系与相关系数的假设检验\t219
8．2 线性回归：数值因变量\t220
8．2．1 简单线性回归\t220
8．2．2 多重线性回归\t228
8．2．3 预测\t233
8．3 回归诊断\t235
8．3．1 残差分析：检验模型的统计正确性\t235
8．3．2 检验异常值、高杠杆点和强影响点\t238
8．3．3 多重共线性\t240
8．3．4 线性回归与回归诊断的案例\t241
8．4 线性回归中的其他问题\t245
8．4．1 品质自变量\t245
8．4．2 包含品质、数值两种自变量的回归\t252
8．4．3 模型构建\t256
8．5 特殊因变量回归\t261
8．5．1 二值logistic回归\t261
8．5．2 名义logistic回归\t271
8．5．3 顺序logistic回归\t276
8．5．4 泊松回归\t279
8．6 变量具有函数关系时的应用统计方法总结\t281
第9章 经典统计的替代与补充\t283
9．1 非参数统计方法\t283
9．1．1 非参数统计方法概述\t283
9．1．2 单样本的统计推断\t284
9．1．3 双样本的统计推断\t289
9．1．4 方差分析\t295
9．1．5 游程检验与Spearman秩相关\t300
9．2 等价检验\t303
9．2．1 单样本均值的等价检验\t303
9．2．2 两样本均值的等价检验\t305
9．3 可靠性/生存分析\t308
9．3．1 生存分析概述\t308
9．3．2 生存分析的参数方法\t311
9．3．3 生存分析的非参数方法\t315
9．3．4 生存回归\t318
第10章 多元统计分析\t321
10．1 多元统计分析概述\t321
10．2 聚类分析\t321
10．2．1 聚类分析的概念\t321
10．2．2 Q型聚类与距离\t322
10．2．3 Q型聚类：观测值聚类\t323
10．2．4 Q型聚类：K均值聚类\t327
10．2．5 R型聚类与相似性：变量聚类\t329
10．3 判别分析\t330
10．4 主成分分析与因子分析\t335
10．4．1 主成分分析\t335
10．4．2 因子分析\t339
10．5 对应分析\t343
10．5．1 对应分析概述\t343
10．5．2 简单对应分析\t346
10．5．3 多重对应分析\t348
第11章 时间序列分析与预测\t350
11．1 时间序列的基本概念\t350
11．1．1 时间序列图\t350
11．1．2 自相关与平稳性\t351
11．2 平稳时间序列预测的平滑方法\t355
11．2．1 预测入门\t355
11．2．2 移动平均法\t356
11．2．3 指数平滑法\t358
11．3 非平稳时间序列的预测方法\t360
11．3．1 时间序列的成分\t360
11．3．2 趋势分析\t360
11．3．3 季节效应\t364
11．4 ARIMA模型\t368
11．4．1 AR、MA和ARMA模型的估计和
预测\t368
11．4．2 差分与ARIMA模型\t375
11．4．3 模型选择\t378
11．4．4 包含季节效应的ARIMA模型\t382
11．5 回归分析方法\t385
11．5．1 利用回归分析估计时间序列数据\t385
11．5．2 时间序列回归分析的回归诊断\t387
第12章 质量管理中的统计方法\t390
12．1 质量管理概述\t390
12．2 过程分析的图形方法\t391
12．2．1 帕累托图\t391
12．2．2 因果图\t392
12．2．3 多变异图\t393
12．3 控制图\t396
12．3．1 控制图概述\t396
12．3．2 变量控制图\t396
12．3．3 属性控制图\t401
12．3．4 利用控制图预警\t407
12．4 过程能力分析\t408
12．4．1 过程能力分析概述\t408
12．4．2 正态数据的过程能力分析\t409
12．4．3 非正态数据的过程能力分析\t412
12．4．4 属性数据的过程能力分析\t415
12．5 试验设计（DOE）\t417
12．5．1 试验设计概述\t417
12．5．2 全因子试验设计的计划阶段\t419
12．5．3 全因子试验设计的分析阶段\t421
12．5．4 部分因子试验设计\t430
12．5．5 其他试验设计方法\t435
12．6 测量系统分析\t445
12．6．1 测量系统分析概述\t445
12．6．2 重复性和再现性\t447
12．6．3 偏移和线性\t453
12．6．4 重复性和偏移\t454
猜您喜欢
