跳转到内容

统计学/导论/为什么

来自维基教科书,开放世界中的开放书籍

统计学


  1. 导论
    1. 什么是统计学?
    2. 现代统计学中的学科
    3. 为什么我应该学习统计学? 0% developed
    4. 我需要知道什么才能学习统计学?
  2. 不同类型的数据
    1. 原始数据和二手数据
    2. 定量数据和定性数据
  3. 数据收集方法
    1. 实验
    2. 抽样调查
    3. 观察性研究
  4. 数据分析
    1. 数据清洗
    2. 移动平均
  5. 汇总统计
    1. 集中趋势的度量
      1. 平均数、中位数和众数
      2. 几何平均数
      3. 调和平均数
      4. 算术平均数、几何平均数和调和平均数之间的关系
      5. 几何中位数
    2. 离散程度的度量
      1. 数据的范围
      2. 方差和标准差
      3. 四分位数和四分位数范围
      4. 分位数
  6. 数据展示
    1. 条形图
    2. 比较条形图
    3. 直方图
    4. 散点图
    5. 箱线图
    6. 饼图
    7. 比较饼图
    8. 象形图
    9. 折线图
    10. 频率多边形
  7. 概率
    1. 组合学
    2. 伯努利试验
    3. 贝叶斯分析入门
  8. 分布
    1. 离散分布
      1. 均匀分布
      2. 伯努利分布
      3. 二项分布
      4. 泊松分布
      5. 几何分布
      6. 负二项分布
      7. 超几何分布
    2. 连续分布
      1. 均匀分布
      2. 指数分布
      3. 伽马分布
      4. 正态分布
      5. 卡方分布
      6. 学生t分布
      7. F分布
      8. 贝塔分布
      9. 威布尔分布
  9. 检验统计假设
    1. 统计检验的目的
    2. 使用的形式化
    3. 不同类型的检验
    4. 单个均值的z检验
    5. 两个均值的z检验
    6. 单个均值的t检验
    7. 两个均值的t检验
    8. 配对t检验用于比较均值
    9. 单因素方差分析F检验
    10. 单个比例的z检验
    11. 两个比例的z检验
    12. 在Microsoft Excel中检验比例A是否大于比例B
    13. 斯皮尔曼秩相关系数
    14. 皮尔逊积矩相关系数
    15. 卡方检验
      1. 多个比例的卡方检验
      2. 列联表的卡方检验
    16. 分布的近似
  10. 点估计100% developed  as of 12:07, 28 March 2007 (UTC) (12:07, 28 March 2007 (UTC))
    1. 无偏性
    2. 优良性的度量
    3. UMVUE
    4. 完备性
    5. 充分性和最小充分性
    6. 辅助性
  11. 练习题
    1. 汇总统计问题
    2. 数据展示问题
    3. 分布问题
    4. 数据检验问题
  12. 数值方法
    1. 基本线性代数和格拉姆-施密特正交化
    2. 无约束优化
    3. 分位数回归
    4. 统计软件的数值比较
    5. Excel中的数值
    6. 统计学/数值方法/随机数生成
  13. 时间序列分析
  14. 多元数据分析
    1. 主成分分析
    2. 度量数据的因子分析
    3. 序数数据的因子分析
    4. 典型相关分析
    5. 判别分析
  15. 特定数据集的分析
    1. 结核病分析
  16. 附录
    1. 作者
    2. 词汇表
    3. 索引
    4. 链接

编辑此框

想象一下,你读了一本书的前几章,然后就能感觉到结局会是什么样子——这就是学习统计学的一个很好的理由。有了合适的工具和扎实的统计学基础,你可以使用有限的样本(例如,阅读《傲慢与偏见》的前五章)来对总体做出明智且准确的陈述(例如,预测《傲慢与偏见》的结局)。这就是了解统计学和统计工具能为你做到的。

在当今信息过载的时代,统计学是每个人都可以学习的最有用的学科之一。报纸上充斥着统计数据,任何不懂统计学的人都有被严重误导的风险,比如做出关于吃什么、谁领先民意调查、吸烟有多危险等等重要现实生活决策。了解一些统计学知识将有助于人们对这些和其他重要问题做出更明智的决策。此外,政治家、广告商和其他人员经常利用统计数据来歪曲事实,以达到自己的目的。例如,一家销售“Cato”(这里是一个虚构的品牌)猫粮的公司,可能会在其广告中非常真实地声称,十分之八的猫主人表示他们的猫更喜欢“Cato”品牌的猫粮而不是“其他领先品牌”的猫粮。他们可能没有提到的是,他们询问的猫主人是在超市购买Cato的猫主人。

“成为一名统计学家最好的事情是,你可以到其他人的后院玩耍。” 普林斯顿大学的约翰·图基

更严肃地说,那些继续接受高等教育的人会发现,统计学是评估实验数据意义和从工程师、科学家、社会学家和其他专业人士在大多数学习领域所面临的大量数据中得出正确结论的最强大工具。没有一项具有科学、临床、社会、健康、环境或政治目标的研究不依赖于统计方法。其基本原因是,自然界中普遍存在变异,而概率统计学是允许我们研究、理解、建模、接受和解释变异的领域。

另请参阅 UCLA 关于为什么学习概率与统计学的宣传册

华夏公益教科书