本书原著是国际公认的优秀的商务与经济统计学图书，是强调统计推断的入门教程，介绍了统计推断、数据收集和分析在现实商务活动中的运用，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。书中收录了大量源自真实商业环境的案例和练习题，为读者提供了直观处理真实数据和应用统计学原理的机会。
本书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的价值，是一本实用性强、有助于做出科学决策的经典读物。
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20年，教过统计学的所有课程。后于1977年创建信息技术有限公司（Info Tech, Inc.），以应用统计学的理论来解决现实世界的问题。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。
周平
中国人民大学统计学博士，加拿大滑铁卢大学数学学院国家公派访问学者，现任教于北京信息科技大学统计系。研究方向为金融统计和数据挖掘。
第1章 统计、数据和统计思维
1.1 统计科学
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 业务分析：批判性思维与统计
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 集中趋势的数值度量
2.4 变异性的数值度量
2.5 利用均值和标准差描述数据
2.6 相对位置的数值度量
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
第一部分：离散型随机变量
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
第二部分：连续型随机变量
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：无偏性和最小方差
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 总体均值的置信区间：正态(z)统计量
6.3 总体均值的置信区间：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：关于β的更多信息 (选学)
第8章 基于双样本的统计推断：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 试验设计的要素
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
第一部分：定量自变量的一阶模型
12.2 对参数β进行估计和推断
12.3 模型整体有效性评价
12.4 利用模型进行估计和预测
第二部分：建立多元回归模型
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
第三部分：多元回归诊断
12.11 残差分析：检验回归假设
12.12 一些陷阱：可估计性、多重共线性与外推法
附 录
当前图书最新荐购
