第 1 章 數(shù)據(jù)與 Python 1
1.1 數(shù)據(jù)與統(tǒng)計學(xué) 1
1.1.1 統(tǒng)計學(xué)與數(shù)據(jù)分析 1
1.1.2 數(shù)據(jù)分析方法和工具 1
1.1.3 數(shù)據(jù)及其來源 3
1.2 Python 的初步使用 6
1.2.1 Python 的下載與安裝 7
1.2.2 模塊的安裝與加載 9
1.2.3 查看幫助文件 10
1.2.4 編寫代碼腳本 10
1.2.5 數(shù)據(jù)讀取和保存 12
習(xí)題 14
第 2 章 數(shù)據(jù)處理和繪圖基礎(chǔ) 15
2.1 Python 的基本數(shù)據(jù)結(jié)構(gòu) 15
2.1.1 數(shù)字和字符串 15
2.1.2 元組和列表 15
2.1.3 字典和集合 17
2.2 數(shù)組、序列和數(shù)據(jù)框 19
2.2.1 numpy 中的數(shù)組19
2.2.2 pandas 中的序列和數(shù)據(jù)框 20
2.3 數(shù)據(jù)抽樣和篩選 30
2.3.1 抽取簡單隨機(jī)樣本 30
2.3.2 數(shù)據(jù)篩選 32
2.3.3 生成隨機(jī)數(shù) 33
2.4 生成頻數(shù)分布表 34
2.4.1 類別數(shù)據(jù)頻數(shù)表 34
2.4.2 數(shù)值數(shù)據(jù)類別化 382
2.5 Python 繪圖基礎(chǔ) 40
2.5.1 Python 的主要繪圖模塊 40
2.5.2 基本繪圖函數(shù) 41
2.5.3 圖形布局 44
2.5.4 圖形顏色、線型和標(biāo)記 47
習(xí)題 48
第 3 章 數(shù)據(jù)可視化 50
3.1 類別數(shù)據(jù)可視化 50
3.1.1 條形圖 50
3.1.2 樹狀圖 55
3.1.3 餅圖和環(huán)形圖 57
3.2 數(shù)據(jù)分布可視化 59
3.2.1 直方圖與核密度圖 59
3.2.2 箱線圖和小提琴圖 64
3.2.3 點圖和蜂群圖 68
3.3 變量間關(guān)系可視化 71
3.3.1 散點圖 71
3.3.2 散點圖矩陣和相關(guān)系數(shù)矩陣 75
3.3.3 3D 散點圖和氣泡圖 77
3.4 樣本相似性可視化 80
3.4.1 平行坐標(biāo)圖 80
3.4.2 雷達(dá)圖 81
3.5 時間序列可視化 85
3.6 可視化的注意事項 86
3.6.1 圖形元素 87
3.6.2 坐標(biāo)軸刻度起點 88
3.6.3 圖形比例 89
3.6.4 3D 圖形 89
習(xí)題 90
第 4 章 數(shù)據(jù)的描述統(tǒng)計量 92
4.1 描述水平的統(tǒng)計量 92
4.1.1 平均數(shù) 92
4.1.2 分位數(shù) 94
4.1.3 眾數(shù) 97
4.2 描述差異的統(tǒng)計量 98
4.2.1 極差和四分位差 98
4.2.2 方差和標(biāo)準(zhǔn)差 99
4.2.3 變異系數(shù) 100
4.3 描述分布形狀的統(tǒng)計量 102
4.3.1 偏度系數(shù) 102
4.3.2 峰度系數(shù) 103
4.4 數(shù)據(jù)標(biāo)準(zhǔn)化 104
4.4.1 標(biāo)準(zhǔn)分?jǐn)?shù) 104
4.4.2 極值標(biāo)準(zhǔn)化 105
4.5 一個綜合描述的例子 108
4.5.1 可視化分析 108
4.5.2 統(tǒng)計量分析 111
習(xí)題 114
第 5 章 概率分布 116
5.1 什么是概率 116
5.2 隨機(jī)變量的概率分布 117
5.2.1 隨機(jī)變量及其概括性度量 117
5.2.2 隨機(jī)變量的概率分布 119
5.2.3 幾個重要的統(tǒng)計分布 123
5.3 樣本統(tǒng)計量的概率分布 127
5.3.1 統(tǒng)計量及其分布 127
5.3.2 樣本均值的抽樣分布 128
5.3.3 樣本方差的抽樣分布 129
5.3.4 樣本比例的抽樣分布 129
5.3.5 統(tǒng)計量的標(biāo)準(zhǔn)誤 131
習(xí)題 132
第 6 章 參數(shù)估計 134
6.1 參數(shù)估計的原理 134
6.1.1 點估計與區(qū)間估計 134
6.1.2 評價估計量的標(biāo)準(zhǔn) 138
6.2 總體均值的區(qū)間估計 143
6.2.1 一個總體均值的估計 143
6.2.2 兩個總體均值差的估計 1454
6.3 總體比例的區(qū)間估計 150
6.3.1 一個總體比例的估計 150
6.3.2 兩個總體比例差的估計 152
6.4 總體方差的區(qū)間估計 154
6.4.1 一個總體方差的估計 154
6.4.2 兩個總體方差比的估計 156
習(xí)題 157
第 7 章 假設(shè)檢驗 159
7.1 假設(shè)檢驗的原理 159
7.1.1 提出假設(shè) 159
7.1.2 做出決策 161
7.1.3 表述結(jié)果 163
7.1.4 效應(yīng)量 164
7.2 總體均值的檢驗 165
7.2.1 一個總體均值的檢驗 165
7.2.2 兩個總體均值差的檢驗 168
7.3 總體比例的檢驗 173
7.3.1 一個總體比例的檢驗 173
7.3.2 兩個總體比例差的檢驗 174
7.4 總體方差的檢驗 176
7.4.1 一個總體方差的檢驗 176
7.4.2 兩個總體方差比的檢驗 178
7.5 正態(tài)性檢驗 178
7.5.1 正態(tài)概率圖 179
7.5.2 S-W 檢驗和 K-S 檢驗 181
習(xí)題 183
第 8 章 類別變量分析 187
8.1 一個類別變量的擬合優(yōu)度檢驗 187
8.1.1 期望頻數(shù)相等 187
8.1.2 期望頻數(shù)不等 189
8.2 兩個類別變量的獨立性檢驗 190
8.2.1 列聯(lián)表與 χ2 獨立性檢驗 191
8.2.2 應(yīng)用 χ2 檢驗的注意事項 193
8.3 兩個類別變量的相關(guān)性度量 193
8.3.1 ϕ 系數(shù)和 Cramer’s V 系數(shù) 193
8.3.2 列聯(lián)系數(shù) 194
習(xí)題 195
第 9 章 方差分析 197
9.1 方差分析的原理 197
9.1.1 什么是方差分析 197
9.1.2 誤差分解 198
9.2 單因子方差分析 199
9.2.1 數(shù)學(xué)模型 199
9.2.2 效應(yīng)檢驗 200
9.2.3 效應(yīng)量分析 203
9.2.4 多重比較 204
9.3 雙因子方差分析 206
9.3.1 數(shù)學(xué)模型 206
9.3.2 主效應(yīng)分析 207
9.3.3 交互效應(yīng)分析 212
9.4 方差分析的假定及其檢驗 217
9.4.1 正態(tài)性檢驗 217
9.4.2 方差齊性檢驗 219
習(xí)題 222
第 10 章 回歸分析 224
10.1 變量間的關(guān)系 224
10.1.1 相關(guān)關(guān)系的描述 224
10.1.2 關(guān)系強(qiáng)度的度量 226
10.2 一元線性回歸 228
10.2.1 什么是回歸分析 228
10.2.2 模型估計 229
10.2.3 模型評估和檢驗 232
10.2.4 回歸預(yù)測 236
10.2.5 模型診斷 239
10.3 多元線性回歸 243
10.3.1 多元線性回歸模型及其參數(shù)估計 243
10.3.2 擬合優(yōu)度和顯著性檢驗 247
10.3.3 共線性分析 249
10.3.4 回歸預(yù)測和模型診斷 250
習(xí)題 252
第 11 章 時間序列分析和預(yù)測 254
11.1 時間序列的成分及其分解 254
11.1.1 時間序列的成分 254
11.1.2 成分分解 259
11.1.3 隨機(jī)成分平滑 261
11.2 預(yù)測方法的選擇與評估 264
11.3 指數(shù)平滑預(yù)測 265
11.3.1 指數(shù)平滑模型的一般表達(dá) 265
11.3.2 簡單指數(shù)平滑預(yù)測 266
11.3.3 Holt 指數(shù)平滑預(yù)測 269
11.3.4 Winters 指數(shù)平滑預(yù)測 272
11.4 趨勢外推預(yù)測 275
11.4.1 線性趨勢預(yù)測 275
11.4.2 非線性趨勢預(yù)測 278
習(xí)題 283
參考書目 285