统计学(第六版) 贾俊平 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

贾俊平 著

图书标签:

• 统计学
• 贾俊平
• 高等教育
• 教材
• 概率论
• 数理统计
• 统计方法
• 数据分析
• 第六版
• 理工科

店铺： 社科教育图书专营店

出版社： 中国人民大学出版社

ISBN：9787300203096

版次：6

商品编码：10421516918

包装：平装

出版时间：2015-01-01

基本信息

书名：统计学(第六版)

原价：39.90元

作者：贾俊平

出版社：中国人民大学出版社

出版日期：2015-01-01

ISBN：9787300203096

字数：

页码：

版次：6

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

---

内容提要

---

《统计学》第六版是在第五版的基础上修改而成的。在广泛吸取读者意见的基础上，对第五版中的部分内容进行了修订。第六版在结构上与第五版基本相同，但对部分章节上进行了重新写和修订。其中，第13章进行了重新编写，更新了全部数据，并将季节型序列的预测一节合并到复合型序列的分解预测中。第5章对部分内容作了简化。第9章增加了SPSS的应用。

目录

---

第1章导论
11统计及其应用领域
12统计数据的类型
13统计中的几个基本概念
思考与练习
第2章数据的搜集
21数据的来源
22调查数据
23实验数据
24数据的误差
思考与练习
第3章数据的图表展示
31数据的预处理
32品质数据的整理与展示
33数值型数据的整理与展示
34合理使用图表
思考与练习
第4章数据的概括性度量
41集中趋势的度量
42离散程度的度量
43偏态与峰态的度量
思考与练习
第5章概率与概率分布
51随机事件及其概率
52概率的性质与运算法则
53离散型随机变量及其分布
54连续型随机变量的概率分布
思考与练习
第6章统计量及其抽样分布
61统计量
62关于分布的几个概念
63由正态分布导出的几个重要分布
64样本均值的分布与中心极限定理
65样本比例的抽样分布
66两个样本平均值之差的分布
67关于样本方差的分布
思考与练习
第7章参数估计
71参数估计的基本原理
72一个总体参数的区间估计
73两个总体参数的区间估计
74样本量的确定
思考与练习
第8章假设检验
81假设检验的基本问题
82一个总体参数的检验
83两个总体参数的检验
84检验问题的进一步说明
思考与练习
第9章分类数据分析
91分类数据与χ2统计量
92拟合优度检验
93列联分析：独立性检验
94列联表中的相关测量
95列联分析中应注意的问题
思考与练习
第10章方差分析
101方差分析引论
102单因素方差分析
103双因素方差分析
思考与练习
第11章一元线性回归
111变量间关系的度量
112一元线性回归
113利用回归方程进行预测
114残差分析
思考与练习
第12章多元线性回归
121多元线性回归模型
122回归方程的拟合优度
123显著性检验
124多重共线性
125利用回归方程进行预测
126变量选择与逐步回归
思考与练习
第13章时间序列分析和预测
131时间序列及其分解
132时间序列的描述性分析
133时间序列预测的程序
134平稳序列的预测
135趋势型序列的预测
136复合型序列的分解预测
思考与练习
第14章指数
141基本问题
142总指数编制方法
143指数体系
144几种典型的指数
145综合评价指数
思考与练习
附录一术语表
附录二用Excel生成概率分布表
参考文献

作者介绍

---

贾俊平 中国人民大学统计学院副教授。研究方向：统计方法在经济各领域的应用，统计教学方式和方法。主要著作有：《统计学》、《描述统计》、《工商管理统计》、《市场调查与分析》等。主持研究的“非统计学专业本科公共基础课——统计学教学改革”项目获2001年教学成果二等奖、2001年北京市教学成果一等奖。2001年荣获北京市经济技术创新标兵称号，2003年荣获宝钢教师奖等。

文摘

---

序言

---

《现代统计学：理论与应用》 这是一本致力于系统阐述统计学基本原理及其在各学科领域广泛应用的权威著作。本书内容涵盖了从描述性统计到推断性统计的完整体系，深入浅出地介绍了统计思维、数据收集、数据整理、数据分析以及结果解释等关键环节。 核心内容概述： 描述性统计： 书籍伊始，我们将深入探索描述性统计的魅力，学习如何有效地概括和呈现数据集的特征。这包括对数据的集中趋势（如均值、中位数、众数）和离散程度（如方差、标准差、极差）的详尽分析，以及如何运用频率分布、直方图、箱线图、散点图等多种图表工具，直观地展现数据的分布形态和变量间的关系。我们将学习如何选择最合适的统计量和图示方法，以便清晰、准确地传达数据的内在信息。 概率论基础： 在此基础上，本书将系统梳理概率论的基石。我们将理解随机事件、概率的基本性质，掌握古典概率、条件概率、独立性等概念，并深入学习重要的概率分布，包括离散型的二项分布、泊松分布，以及连续型的均匀分布、指数分布和正态分布。对正态分布的深入探讨尤为关键，因为它在统计推断中扮演着核心角色。我们将理解中心极限定理的强大威力，它为我们进行样本推断奠定了理论基础。 抽样分布与统计估计： 了解概率论后，我们将转向统计推断的核心——从样本数据推断总体特征。本书将详细介绍各种抽样方法，分析样本统计量（如样本均值、样本比例）的抽样分布，并在此基础上阐述点估计和区间估计。我们将学习如何计算置信区间，以量化总体参数估计的不确定性，并理解其在实际应用中的意义。 假设检验： 假设检验是统计推断的另一重要分支。本书将系统介绍假设检验的基本流程，包括建立原假设和备择假设、选择检验统计量、确定检验区域（拒绝域）、计算检验统计量的值并与临界值比较，最终做出统计决策。我们将学习针对不同类型的参数（如均值、比例、方差）进行单样本、双样本以及配对样本的假设检验，并详细讲解t检验、z检验、卡方检验、F检验等常用检验方法。同时，我们将探讨I类错误（弃真）和II类错误（取伪）的概念，以及如何理解和应用p值。 回归分析： 回归分析是研究变量之间数量关系的重要工具。本书将从简单线性回归入手，深入讲解回归模型的基本假设、参数估计（最小二乘法）、模型拟合优度检验（决定系数）、回归系数的显著性检验以及置信区间的构建。在此基础上，我们将扩展到多元线性回归，探讨如何处理多个自变量，并介绍多重共线性、异方差等常见问题及其诊断与处理方法。 方差分析（ANOVA）： 方差分析是用于比较三个或三个以上样本均值是否存在显著差异的统计技术。本书将详细介绍单因素方差分析的原理、计算步骤、F检验的应用，并扩展到双因素方差分析，探讨主效应和交互效应的检验。 非参数统计： 考虑到并非所有数据都满足参数检验的严格假设，本书还包含了非参数统计方法。我们将介绍符号检验、秩和检验（如Wilcoxon秩和检验、Mann-Whitney U检验）、Kruskal-Wallis H检验等，这些方法在数据不符合正态分布或存在异常值时提供了有力的替代方案。 时间序列分析（简介）： 针对具有时间顺序的数据，本书将提供时间序列分析的入门介绍，包括时间序列的组成成分（趋势、季节性、周期性、随机性）、平稳性概念，以及简单的平滑方法和自回归移动平均（ARMA）模型的基本思想。 统计软件应用： 为便于读者实践，本书将穿插介绍如何使用主流的统计软件（如R、Python的统计库、SPSS等）来实现上述统计方法的计算与分析，并通过实例演示，帮助读者将理论知识转化为解决实际问题的能力。 本书的特色： 体系完整，逻辑严谨： 从基础概念到高级应用，层层递进，构建了一个扎实的统计学知识体系。 理论与实践并重： 既深入剖析统计理论背后的数学原理，又注重理论在实际问题中的应用，通过大量精心设计的例题和练习题，巩固学习效果。 语言清晰，易于理解： 采用平实的语言，避免过于晦涩的数学推导，力求让不同背景的读者都能轻松掌握统计学的精髓。 广泛的适用性： 无论是经济学、管理学、社会学、心理学、医学，还是工程技术领域，本书都将为读者提供一套强大的数据分析工具。 目标读者： 本书适合于高等院校本科生、研究生，以及从事数据分析、科学研究、市场调研、决策咨询等工作的专业人士。同时，对于任何希望提升数据素养，掌握科学分析方法，从而更好地理解和应对复杂世界的研究者和实践者来说，本书也是一份宝贵的学习资源。通过本书的学习，读者将能够独立运用统计学知识，科学地收集、整理、分析和解释数据，做出更明智的决策。

评分☆☆☆☆☆

这本《统计学（第六版）》的封面设计，第一眼看过去就透着一股稳重与专业。银灰色调的主体，配合着略显粗犷的字体，没有过多花哨的装饰，仿佛直接在告诉你，这是一本要靠实力说话的书。翻开书页，纸张的质感也相当不错，不是那种廉价的、容易泛黄的纸，而是略带米白色的那种，印刷清晰，字迹大小适中，读起来眼睛不容易疲劳。目录部分，条理清晰，章节划分得非常合理，从最基础的概念讲起，循序渐进，完全不会让人觉得在一开始就被庞大的知识体系压垮。第一章绪论，作者就用很接地气的例子，阐述了统计学的必要性和应用范围，比如日常生活中的天气预报、市场调研，甚至是体育比赛的胜率分析，都巧妙地融入其中，让我这个对统计学完全没有概念的读者，瞬间觉得它离我并不遥远，甚至可以说，统计学早已渗透在我们生活的方方面面，只是我们过去没有去细究它背后的原理。这种开篇方式，极大地激发了我继续深入阅读的兴趣，让我对接下来将要接触到的各种统计方法充满了好奇。总的来说，从装帧到排版，再到开篇的引导，都能感受到编者在细节上的用心，为读者营造了一个良好的阅读开端。

评分☆☆☆☆☆

在阅读关于“方差分析”的部分时，我被作者引导着，逐渐理解了如何同时比较多个组的均值是否存在显著差异。在此之前，我可能只会想到一个个地进行t检验，但这不仅效率低下，而且可能导致累积误差。这本书则清晰地介绍了方差分析（ANOVA）的原理，它如何将总的变异分解为组间变异和组内变异，然后通过F统计量来判断不同组的均值之间是否存在显著差异。作者用大量的实际案例来支持讲解，比如比较不同教学方法对学生成绩的影响，或者比较不同肥料对作物产量的影响。这些案例都非常贴近生活和科研，让我能够直观地理解方差分析的应用场景。书中对ANOVA表的解读也做得非常详细，每一个数值的意义都解释得清清楚楚，让我不再仅仅是看懂结果，更能理解结果背后的统计原理。作者还探讨了多重比较的问题，以及如何进行事后检验，这让我对如何深入分析和解读ANOVA的结果有了更全面的认识，也让我看到了方差分析在实际研究中的重要价值。

评分☆☆☆☆☆

《统计学（第六版）》在介绍“回归分析”时，让我第一次体会到统计学在预测和建模方面的强大力量。作者从最简单的“一元线性回归”开始，用大家都能理解的例子，比如“学习时间与考试成绩的关系”，来解释自变量和因变量的概念，以及如何通过一条直线来拟合数据点。书中对回归方程的系数是如何解释的，也非常清晰，比如斜率代表了什么，截距又代表了什么，这些都让我能够更好地理解模型所传达的信息。随后，作者逐步深入到“多元线性回归”，解释了如何引入多个自变量来构建更复杂的模型，并且如何评估模型的整体拟合优度，比如R方值。让我感到惊喜的是，书中还探讨了回归分析中可能遇到的问题，比如多重共线性、异方差性等等，并且提供了相应的解决方法。这部分内容让我觉得，回归分析不仅仅是找出变量之间的关系，更重要的是能够理解这些关系，并利用这些关系来做出预测和决策。书中大量的图表和实际数据分析案例，让我能够直观地感受到回归模型的应用效果。

评分☆☆☆☆☆

书的最后部分，作者对“统计软件的应用”进行了介绍，这对我来说是实用性最强的一块内容。在前面学习了各种统计理论和方法之后，我总会有一个疑问：如何在实际操作中将这些知识运用起来？这本书恰好解决了我的这个困惑。作者以当下主流的统计软件，比如SPSS或R语言为例，详细介绍了如何使用这些软件来进行数据录入、数据清洗、各种统计分析的实现，以及结果的解读。书中提供了大量清晰的截图和代码示例，跟着书中的步骤操作，即使是初学者，也能很快上手。作者不仅介绍了基本的统计分析功能，还涉及了一些进阶的应用，比如数据可视化、报告生成等等。这部分内容让我觉得，统计学不再仅仅是停留在理论层面，而是可以通过实际的工具，转化为解决实际问题的能力。通过学习这部分内容，我感觉自己真的具备了运用统计学知识去分析现实世界数据的一些基本技能，这对于我未来的学习和工作都将有很大的帮助。

评分☆☆☆☆☆

关于“参数估计”的章节，我感觉这本书做得非常到位。作者并没有一开始就陷入复杂的数学推导，而是先从“点估计”和“区间估计”的基本概念入手，用非常形象的比喻来解释。比如，在讲解点估计时，作者将其比作“猜一个具体的值”，就像我们估计明天的气温会是多少度一样。而在讲解区间估计时，作者则将其比作“给出一个范围”，就像我们说“明天气温大概在20到25度之间”。这种通俗的比喻，让我这个对数学推导不甚敏感的读者，也能快速理解这两个概念的本质区别。更重要的是，作者在讲解过程中，大量运用了实际的例子，比如，如何根据过去的销售数据，估计某种产品的平均销售额，以及如何评估这个估计的可靠性。书中对“置信区间”的讲解尤其详细，通过图示和文字的双重解释，让我明白了置信区间代表的意义，以及如何解释一个置信区间。作者还探讨了影响置信区间的因素，比如样本量的大小以及置信水平的选择，这些都让我对统计推断的严谨性有了更深的认识。

评分☆☆☆☆☆

我一直以为统计学是一门枯燥无味的学科，充斥着各种复杂的公式和抽象的概念，直到我读了这本书的关于数据描述的章节。作者并没有一开始就抛出那些令人望而生畏的数学符号，而是从最直观的图表入手。比如，在讲解“频数分布”时，书中给出了非常多的实际案例，有的是关于学生考试成绩的分布，有的是关于某类产品销量的变化趋势，还有的是关于人们的年龄结构。这些案例不仅仅是文字的堆砌，更配有清晰的柱状图、折线图、饼状图等，这些图表生动地展示了数据的形态，让我能一目了然地看出数据的集中趋势、离散程度以及是否存在异常值。作者还在讲解过程中，穿插了一些关于如何选择合适图表类型来展示不同数据的建议，比如，当需要展示不同类别的构成比例时，饼图就非常直观；而当需要展示数据随时间变化的趋势时，折线图则更显优势。这部分内容让我觉得，统计学其实是一门将复杂数据变得简单易懂的艺术，而图表就是这门艺术中最得力的工具。书中对图表绘制的细节也解释得很清楚，比如坐标轴的标注、图例的设置等等，这些看似不起眼的小细节，却能极大地影响图表的可读性。

评分☆☆☆☆☆

在我阅读《统计学（第六版）》的过程中，关于“非参数统计”的章节，给了我一个重要的启示：即使数据不满足参数统计中的那些严格的假设，我们依然有办法进行有效的统计分析。在此之前，我总是被一些参数检验的条件限制所困扰，比如数据需要正态分布，方差需要齐性等等。这本书则非常清晰地介绍了各种常用的非参数检验方法，比如秩和检验、符号检验等等，并且详细阐述了它们的适用条件和优缺点。作者用生动有趣的例子，比如对儿童的阅读能力进行比较，或者对不同处理方式对农作物产量的影响进行评估，来展示非参数检验的应用。让我觉得特别有价值的是，书中对每种非参数检验的原理都做了深入浅出的解释，让我能够理解它们是如何绕过对分布的假设，而直接利用数据的秩次或符号来进行统计推断的。这部分内容，极大地拓展了我解决统计问题的思路，让我意识到，在实际应用中，面对不符合理想条件的数据时，非参数方法往往是更可靠、更实用的选择。

评分☆☆☆☆☆

本书在“假设检验”部分的处理，让我觉得作者非常善于化繁为简。虽然“假设检验”这个词听起来就让人觉得复杂，但作者通过大量贴近生活的案例，将这个过程一步步拆解，变得易于理解。作者首先引入了“零假设”和“备择假设”的概念，并且强调了在实际应用中，如何根据研究目的来设定这两个假设。比如，在药物疗效的验证中，零假设可能是“新药没有疗效”，而备择假设则是“新药有疗效”。接着，作者详细介绍了不同类型的假设检验方法，比如t检验、卡方检验等等，并且针对每种方法，都给出了清晰的使用场景和步骤。让我印象深刻的是，作者在讲解过程中，非常注重对“P值”的解释，而不是简单地让读者去记住它。作者通过反复强调P值小于某个显著性水平时，我们就有理由拒绝零假设，从而支持备择假设，这让我深刻理解了P值在统计决策中的重要作用。书中的图示和流程图，也极大地帮助我梳理了假设检验的整个逻辑过程，让我不再被各种统计指标搞得晕头转向。

评分☆☆☆☆☆

这本书对于“时间序列分析”的介绍，让我开始意识到，原来统计学也能用于分析和预测随时间变化的数据。我之前一直认为时间序列分析是非常高深的领域，只属于专业的经济学家或者金融分析师。但是，这本书从最基础的概念讲起，比如时间序列的组成部分（趋势、季节性、周期性、随机性），以及如何识别和度量这些成分。作者还介绍了移动平均、指数平滑等一些基础的平滑方法，这些方法简单易懂，但却能有效地剔除数据中的随机波动，揭示其内在规律。让我印象深刻的是，书中对于“自相关”和“偏自相关”的讲解，以及如何利用它们来识别ARIMA模型的阶数。虽然这部分内容涉及到一些数学概念，但作者通过图示和实例，让这些概念变得更容易理解。书中的案例涵盖了经济、气象、销售等多个领域，让我看到了时间序列分析在不同行业中的广泛应用，也激发了我对预测和建模的兴趣。

评分☆☆☆☆☆

书中对于“概率”这一概念的讲解，给了我全新的认识。在此之前，我对概率的理解仅仅停留在抛硬币、掷骰子这种最简单的游戏层面，觉得它离现实生活中的决策有些遥远。然而，这本书却用一系列生动的例子，将概率的理论与实际应用紧密结合。作者从基本的概率定义出发，逐步深入到条件概率、独立事件等概念，并且每一个概念的引入，都伴随着实际场景的解析。例如，在讲解条件概率时，作者举了一个关于医疗诊断的例子，分析了某种疾病的发生率以及某种检测方法准确率，然后通过计算，揭示了在检测结果为阳性时，一个人真正患病的概率，这对于理解医学诊断的局限性非常有帮助。书中还提到了“大数定律”和“中心极限定理”，这两个听起来非常“高大上”的定理，在作者的讲解下，变得通俗易懂。作者用反复试验的模拟，展示了随着试验次数的增加，样本均值越来越接近总体均值，这让我深刻理解了为什么大规模的统计调查能够得出相对准确的结论。这部分的学习，不仅增长了我的知识，更改变了我看待随机性和不确定性的思维方式。