第 1 章 數(shù)據(jù)的收集與抽樣
1.1 總體與樣本
1.1.1 數(shù)據(jù)
1.1.2 抽樣方法
1.2 抽樣方法在大數(shù)據(jù)時代的應(yīng)用
課后習(xí)題
第 2 章 數(shù)據(jù)的整理與可視化
2.1 數(shù)據(jù)的分類
2.2 數(shù)據(jù)的整理
2.2.1 定性數(shù)據(jù)的整理
2.2.2 定量數(shù)據(jù)的整理
2.3 描述性度量
2.3.1 集中趨勢的度量
2.3.2 離散程度的度量
2.3.3 分布形態(tài)的度量
2.3.4 兩個變量關(guān)系的描述
2.4 數(shù)據(jù)的可視化
2.4.1 定性數(shù)據(jù)的可視化
2.4.2 定量數(shù)據(jù)的可視化
2.4.3 變量關(guān)系的可視化
課后習(xí)題41
第 3 章 抽樣分布
3.1 統(tǒng)計(jì)量與抽樣分布
3.2 統(tǒng)計(jì)學(xué)中常用的幾種重要分布
3.2.1 正態(tài)分布
3.2.2 χ 2 分布
3.2.3 t 分布
3.2.4 F 分布
3.3 均值的抽樣分布
3.3.1 正態(tài)總體抽樣
3.3.2 非正態(tài)總體抽樣與中心極限定理
3.4 比例的抽樣分布
3.5 方差的抽樣分布
課后習(xí)題
第 4 章 參數(shù)估計(jì)
4.1 參數(shù)估計(jì)的基本原理
4.1.1 估計(jì)量與估計(jì)值
4.1.2 估計(jì)量的評價標(biāo)準(zhǔn)
4.2 點(diǎn)估計(jì)與區(qū)間估計(jì)
4.2.1 點(diǎn)估計(jì)
4.2.2 區(qū)間估計(jì)
4.3 單個總體參數(shù)的置信區(qū)間
4.3.1 總體均值的置信區(qū)間
4.3.2 總體比例的置信區(qū)間
4.3.3 總體方差的置信區(qū)間
4.4 兩個總體參數(shù)的置信區(qū)間
4.4.1 兩個總體均值之差的置信區(qū)間
4.4.2 兩個總體比例之差的置信區(qū)間
4.4.3 兩個總體方差之比的置信區(qū)間
4.5 樣本量的確定
課后習(xí)題
第 5 章 假設(shè)檢驗(yàn)
5.1 假設(shè)檢驗(yàn)的基本原理
5.2 總體均值的檢驗(yàn)
5.2.1 單個總體均值的檢驗(yàn)
5.2.2 兩個總體均值之差的檢驗(yàn)
5.3 總體比例的檢驗(yàn)
5.3.1 單個總體比例的檢驗(yàn)
5.3.2 兩個總體比例之差的檢驗(yàn)
5.4 總體方差的檢驗(yàn)
5.4.1 單個總體方差的檢驗(yàn)
5.4.2 兩個總體方差之比的檢驗(yàn)
課后習(xí)題
第 6 章 方差分析
6.1 方差分析引論
6.1.1 方差分析的思想及基本概念
6.1.2 方差分析的基本假定及檢驗(yàn)
6.2 單因子方差分析
6.2.1 數(shù)據(jù)結(jié)構(gòu)及問題表述
6.2.2 方差分解原理及 F 檢驗(yàn)
6.2.3 多重比較
6.3 雙因子方差分析
6.3.1 無交互作用的雙因子方差分析
6.3.2 有交互作用的雙因子方差分析
課后習(xí)題
第 7 章 列聯(lián)表分析
7.1 列聯(lián)表的獨(dú)立性檢驗(yàn)
7.2 列聯(lián)表的齊性檢驗(yàn)
7.3 相關(guān)性度量
課后習(xí)題
第 8 章 線性回歸分析
8.1 簡單線性回歸
8.1.1 模型的建立
8.1.2 最小二乘估計(jì)
8.1.3 最小二乘估計(jì)的性質(zhì)
8.1.4 回歸系數(shù)的統(tǒng)計(jì)推斷
8.1.5 置信與預(yù)測區(qū)間
8.2 多元線性回歸
8.2.1 多元線性回歸模型
8.2.2 回歸系數(shù)的統(tǒng)計(jì)推斷
8.2.3 置信與預(yù)測區(qū)間
8.3 回歸模型的評估
8.3.1 回歸方程的顯著性檢驗(yàn)
8.3.2 決定系數(shù)
8.4 殘差分析
8.5 變量選擇
課后習(xí)題
第 9 章 邏輯回歸
9.1 二分類變量的邏輯回歸模型
9.2 回歸系數(shù)的含義
9.3 回歸系數(shù)的估計(jì)以及統(tǒng)計(jì)推斷
9.4 擬合方程的評價
課后習(xí)題
第 10 章 時間序列
10.1 時間序列的種類和編制方法
10.1.1 時間序列的種類
10.1.2 時間序列的編制方法
10.2 時間序列的描述性統(tǒng)計(jì)
10.2.1 圖形展示
10.2.2 數(shù)字描述
10.3 時間序列的預(yù)測
10.4 平穩(wěn)時間序列預(yù)測
10.5 非平穩(wěn)時間序列預(yù)測
10.5.1 時間序列的分解
10.5.2 線性與非線性趨勢的預(yù)測
10.5.3 時間序列的分解與預(yù)測
課后習(xí)題
第 11 章 指 數(shù)
11.1 指數(shù)的概念和種類
11.1.1 指數(shù)的概念
11.1.2 指數(shù)的分類
11.1.3 指數(shù)編制中的問題
11.2 總指數(shù)編制方法
11.2.1 簡單指數(shù)
11.2.2 加權(quán)指數(shù)
11.3 指數(shù)體系
11.3.1 總量指數(shù)體系
11.3.2 平均數(shù)變動因素分解
11.4 綜合評價指數(shù)
11.5 幾種常見的指數(shù)
11.5.1 居民消費(fèi)價格指數(shù)
11.5.2 股票價格指數(shù)
課后習(xí)題
第 12 章 案例分析
12.1 PM2.5 濃度時間序列分析及其季節(jié)效應(yīng)剝離——以上海市某監(jiān)測站點(diǎn)為例
12.1.1 案例背景
12.1.2 數(shù)據(jù)來源
12.1.3 描述性分析
12.1.4 時間序列分解
12.2 基于邏輯回歸的銀行理財產(chǎn)品的潛在購買客戶預(yù)測
12.2.1 案例背景
12.2.2 數(shù)據(jù)來源
12.2.3 描述性分析
12.2.4 邏輯回歸模型建模與分析
12.2.5 結(jié)語
12.3 基于股票價格指數(shù)的統(tǒng)計(jì)指標(biāo)測算和預(yù)測
12.3.1 案例背景
12.3.2 數(shù)據(jù)來源
12.3.3 數(shù)據(jù)預(yù)處理
12.3.4 自回歸移動平均模型
12.3.5 結(jié)語
12.4 全社會用電量的影響因素分析與預(yù)測
12.4.1 案例背景
12.4.2 數(shù)據(jù)來源和變量說明
12.4.3 描述性分析
12.4.4 線性回歸建模分析
12.4.5 全社會用電量預(yù)測分析
附錄 A 概率基礎(chǔ)
A.1 隨機(jī)實(shí)驗(yàn)與隨機(jī)事件
A.2 隨機(jī)事件的概率
A.3 隨機(jī)變量及其分布
A.3.1 隨機(jī)變量的概率分布
A.3.2 隨機(jī)變量的數(shù)字特征
A.4 常見的概率分布
附錄 B R 語言簡介
B.1 基本語法
B.2 Data Frame 類
B.3 List 類
B.4 R 函數(shù)
B.5 控制語句和循環(huán)語句
B.6 讀入與輸出數(shù)據(jù)
B.7 幾個常用的 R 軟件包
B.7.1 ggplot2
B.7.2 rmarkdown
B.7.3 shiny
附錄 C 上海財經(jīng)大學(xué)統(tǒng)計(jì)與管理學(xué)院大語言模型簡介與應(yīng)用
C.1 大模型發(fā)展、現(xiàn)狀與應(yīng)用
C.1.1 大模型的發(fā)展歷程
C.1.2 大模型的現(xiàn)狀
C.1.3 大模型的應(yīng)用
C.2 統(tǒng)計(jì)學(xué)大模型構(gòu)建簡述
C.2.1 統(tǒng)計(jì)學(xué)大模型構(gòu)建意義
C.2.2 統(tǒng)計(jì)學(xué)大模型結(jié)果展示
參考文獻(xiàn)