试验设计与数据处理(李云雁)(第三版) pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

李云雁，胡传荣 著

图书标签:

• 试验设计
• 数据处理
• 统计学
• 李云雁
• 第三版
• 科学研究
• 实验方法
• 数据分析
• 农业科研
• 生物统计

出版社： 化学工业出版社

ISBN：9787122299901

版次：3

商品编码：12231780

包装：平装

开本：16开

出版时间：2017-09-01

用纸：胶版纸

页数：298

字数：475000

正文语种：475000

编辑推荐

适读人群 ：本书可以作为化工、食品、制药、生物、材料、轻工、环境、农林等相关专业本科生或研究生教学用书，也可供工程技术人员、科研人员和教师参考。

该教材在内容上涉及到科学研究和工业生产中常用的试验设计和数据处理方法，能将常用的计算机软件应用与数据处理结合起来，适应时代的发展，可激发了学生的学习积极性。
该教材注重试验设计和数据处理方法的应用，没有太多深奥难懂的数学术语，语言通俗，层次清晰，难度适中，书中列举了大量与多专业有关的例题和习题，有利于教师备课和学生自学。
该教材注重理论联系实际，能够与不同专业结合起来，适用面广，可供化工、化学、食品、制药、生物、材料、环境、农林等专业选用。
本书修订前已经重印21次，荣获中国石油和化学工业畅销教材奖一等奖，取得了社会效益，经济效益双丰收。

内容简介

本书结合大量实例，介绍了一些常用的试验设计及试验数据处理方法在科学试验和工业生产中的实际应用，并介绍了计算机在试验数据处理中的强大功能。全书分为9章，其中前4章介绍了试验数据的误差、图表、方差和回归分析处理方法，第5～9章介绍了优选法、正交设计、均匀设计、回归正交设计和配方试验设计方法。本书信息量大，图文并茂，实例丰富，注重理论联系实际，力求深入浅出，重点突出，主次分明，便于自学。
新版附配有数字多媒体资源 大量拓展学习，以二维码链接，方便读者，增加阅读性。

作者简介

李云雁，武汉轻工大学，教授，从事全校试验设计与数据处理教学工作20余年，进行化学工程和农产品加工等方面的教学和科研工作。主编教材1部，获得湖北省人民政府教学成果二等奖1项，获得湖北省人民政府科技进步二等奖1项，获得武汉市科技进步奖1项。

目录

0引言
0.1试验设计与数据处理的发展概况1
0.2试验设计与数据处理的意义2

1试验数据的误差分析
1.1真值与平均值3
1.1.1真值3
1.1.2平均值3
1.2误差的基本概念6
1.2.1绝对误差6
1.2.2相对误差6
1.2.3算术平均误差8
1.2.4标准误差8
1.3试验数据误差的来源及分类8
1.3.1随机误差8
1.3.2系统误差9
1.3.3过失误差9
1.4试验数据的精准度9
1.4.1精密度9
1.4.2正确度11
1.4.3准确度11
1.5试验数据误差的统计检验12
1.5.1随机误差的检验12
1.5.2系统误差的检验14
1.5.3异常值的检验18
1.6有效数字和试验结果的表示21
1.6.1有效数字21
1.6.2有效数字的运算22
1.6.3有效数字的修约规则23
1.7误差的传递23
1.7.1误差传递基本公式23
1.7.2常用函数的误差传递公式24
1.7.3误差传递公式的应用25
1.8Excel在误差分析中的应用27
1.8.1试验数据的输入27
1.8.2Excel公式和函数的应用32
1.8.3数据分析工具库40
1.8.4Excel 在χ2检验中应用42
1.8.5Excel在F检验中的应用44
1.8.6Excel在t检验中应用46
习题51

2试验数据的表图表示法
2.1列表法53
2.2图示法54
2.2.1常用数据图55
2.2.2坐标系的选择61
2.3计算机绘图软件在图表绘制中的应用62
2.3.1Excel在图表绘制中的应用62
*2.3.2Origin在图形绘制中的应用简介77
习题86

3试验的方差分析
3.1单因素试验的方差分析88
3.1.1单因素试验方差分析基本问题88
3.1.2单因素试验方差分析基本步骤89
3.1.3Excel在单因素试验方差分析中的应用92
3.2双因素试验的方差分析94
3.2.1双因素重复试验的方差分析95
3.2.2双因素重复试验的方差分析96
3.2.3Excel在双因素方差分析中的应用99
习题102

4试验数据的回归分析
4.1基本概念104
4.2一元线性回归分析105
4.2.1一元线性回归方程的建立105
4.2.2一元线性回归效果的检验107
4.3多元线性回归分析111
4.3.1多元线性回归方程111
4.3.2多元线性回归方程显著性检验114
4.3.3因素主次的判断方法116
4.3.4试验优方案的预测117
4.4非线性回归分析119
4.4.1一元非线性回归分析119
4.4.2一元多项式回归122
4.4.3多元非线性回归124
4.4.4试验优方案的预测126
4.5Excel在回归分析中的应用127
4.5.1“规划求解”在回归分析中的应用127
4.5.2Excel内置函数在回归分析中的应用132
4.5.3Excel图表功能在回归分析中的应用133
4.5.4分析工具库在回归分析中的应用136
习题139

5优选法
5.1单因素优选法141
5.1.1来回调试方法141
5.1.2黄金分割法（0.618法）142
5.1.3分数法142
5.1.4对分法143
5.1.5抛物线法144
5.1.6分批试验法145
5.1.7逐步提高法（爬山法）146
5.1.8多峰情况147
5.2双因素优选法147
5.2.1对开法147
5.2.2旋升法148
5.2.3平行线法150
5.2.4按格上升法150
5.2.5翻筋斗法150
习题151

6正交试验设计
6.1概述153
6.1.1正交表153
6.1.2正交试验设计的优点155
6.1.3正交试验设计的基本步骤157
6.2正交试验设计结果的直观分析法158
6.2.1单指标正交试验设计及其结果的直观分析158
6.2.2多指标正交试验设计及其结果的直观分析162
6.2.3有交互作用的正交试验设计及其结果的直观分析166
6.2.4混合水平的正交试验设计及其结果的直观分析170
6.2.5Excel在直观分析中应用172
6.3正交试验设计结果的方差分析法176
6.3.1方差分析的基本步骤与格式176
6.3.2二水平正交试验的方差分析178
6.3.3三水平正交试验的方差分析181
6.3.4混合水平正交试验的方差分析185
6.3.5Excel在方差分析中应用190
习题192

7均匀设计
7.1均匀设计表194
7.1.1等水平均匀设计表194
7.1.2混合水平均匀设计表196
7.2均匀设计基本步骤197
7.3均匀设计的应用198
习题203

8回归正交试验设计
8.1一次回归正交试验设计及结果分析204
8.1.1一次回归正交设计的基本方法204
8.1.2一次回归方程的建立206
8.1.3回归方程及偏回归系数的方差分析207
8.2二次回归正交组合设计217
8.2.1二次回归正交组合设计表217
8.2.2二次回归正交组合设计的应用221
*8.3二次回归正交旋转组合设计232
习题238

9配方试验设计
9.1配方试验设计约束条件240
9.2单纯形配方设计241
9.2.1单纯形的概念241
9.2.2单纯形格子点设计241
9.2.3单纯形重心设计246
*9.3配方均匀设计248
9.4Excel在配方设计中的应用251
习题254

附录
参考文献
二维码索引

前言/序言

前言
在科学和工程等需要试验和观测的学科专业中，经常需要通过有计划的试验设计，以及试验数据合理的分析和处理，来寻找所研究对象的变化规律，以达到各种实用的目的。
全书分为9章，前4章主要的内容属于“数据处理”的范畴，介绍了误差分析、数据图表表示、方差分析和回归分析，这些数据处理方法，可以让我们找到试验数据背后的规律，为科研和生产提供理论依据；第5章到第9章属于“试验设计”的范畴，介绍了优选法、正交试验设计方法、均匀设计方法、回归正交试验设计方法和配方试验设计方法等，选择合理的试验设计方法，能有效地提高试验效率。
为了适应计算机和信息网络技术的快速发展，本书在保留第二版章节体系的基础上，对书中使用的一些统计软件进行升级，并提供了配套的数字化学习资源，读者可以扫描资源地址二维码进入学习。本书作为教材时，可根据学时数，有选择性地进行教学；建议使用多媒体教学，并鼓励学生多使用计算机完成作业。本教材提供多媒体课件，读者可到化学工业出版社的相关网页上下载，或发邮件至cipedu@163.com索取。
本书自第一版出版以来，受到许多同行和读者的支持和鼓励，并提出了不少宝贵意见，在此表示感谢。
由于笔者学识水平所限，虽然经过努力，但仍不免存在疏漏和不足之处，恳请读者指正。
李云雁
2017年5月

第二版前言
本书第二版基本保留了原有的章节和体系，进一步加强了计算机在试验数据处理中的应用，将第一版第10章的内容分散到每章，并弱化了数学理论公式的推导和使用；在内容上，第1章增加了试验数据误差的统计检验方法，第2章增加了三角图和三维图，第3章删除了三种方差分析的简化计算公式，第4章在偏回归系数显著性检验法中增加了t检验法，第8章增加了回归正交旋转组合设计和响应面分析法，第5、6、7、9章基本维持原有内容不变。由于第二版在内容上比原版有所增加，作为教材时，可根据所学专业和课时数，有选择性的进行教学；建议使用多媒体教学，并鼓励学生多使用计算机完成作业。
本教材提供多媒体课件，可到化学工业出版社的相关网页上下载；或发邮件至cipedu@163.com索取。
本书自第一版出版以来，受到许多同行和读者的支持和鼓励，并提出了不少宝贵意见，在此表示感谢。
由于作者学识水平所限，虽然经过努力，但仍不免存在不足之处，恳请读者指正。
李云雁
2008年6月

试验设计与数据处理 (第三版) 本书旨在为读者提供一套系统、全面的试验设计理论与实践方法。 无论是科学研究、工程开发、市场调研，还是社会学调查，可靠的试验设计都是获取有效数据的基石。本书第三版在继承前两版精髓的基础上，紧跟时代发展，更新了大量内容，特别是在统计软件的应用、现代试验设计方法以及大数据背景下的数据处理等方面进行了深度拓展。 核心内容概述： 本书由浅入深，逻辑清晰，从最基础的试验设计概念讲起，逐步过渡到复杂的设计方法和高级的数据分析技术。 第一部分：试验设计基础 引言： 详细阐述试验设计的意义、目的和基本原则。为何我们需要精心设计试验？有效的试验设计如何避免偏见、提高效率、确保结果的可靠性？我们将从统计学的角度出发，解释试验设计在减少误差、增加统计功效方面的关键作用。 试验设计的要素： 深入剖析试验设计中的核心概念，包括： 因子（Factors）： 解释什么是影响试验结果的自变量，以及如何识别和定义关键因子。 水平（Levels）： 探讨因子不同取值的重要性，以及如何选择合适的水平以捕捉预期的变化。 试验单元（Experimental Units）： 定义试验观测的对象，并讨论如何进行合理的划分以确保独立性。 响应变量（Response Variable）： 明确何为我们想要测量的结果，以及如何精确定义和测量它。 误差（Error）： 分析试验过程中不可避免的随机变异，并介绍如何通过设计来控制和量化误差。 基本试验设计： 介绍几种最常用且基础的试验设计，包括： 完全随机设计 (CRD)： 讲解其原理、适用条件、优缺点，以及如何进行数据分析。 随机区组设计 (RBD)： 探讨如何通过设置区组来减少非试验因素的影响，提高试验效率。 拉丁方设计 (LSD)： 介绍如何同时控制两个区组因素，适用于特定场景。 平衡不完全区组设计 (BIBD)： 讲解其在因子数量较多，但每个试验单元无法容纳所有因子水平时的应用。 常用的统计推断方法： 为理解试验结果，本书将介绍必要的统计推断工具，如假设检验、置信区间等，并说明它们在试验数据分析中的应用。 第二部分：现代试验设计方法 析因设计 (Factorial Designs)： 全因子设计 (Full Factorial Designs)： 深入讲解如何同时研究多个因子及其交互作用。理解交互作用的意义，即一个因子的效应是否依赖于另一个因子的水平。 部分析因设计 (Fractional Factorial Designs)： 针对因子数量庞大，资源有限的情况，介绍如何通过牺牲部分交互作用信息来高效筛选关键因子和低阶交互作用。 响应面法 (Response Surface Methodology - RSM)： 设计理念与目标： 讲解如何通过试验数据找到最优的因子组合，以最大化或最小化响应变量。 常用设计： 详细介绍中心复合设计 (CCD) 和 Box-Behnken 设计 (BBD) 等，分析它们的特点、优缺点及适用场景。 模型拟合与优化： 讲解如何拟合二次响应面模型，以及如何利用模型进行响应面的图形分析和最优预测。 混合水平设计 (Mixed Level Designs)： 介绍如何处理设计中包含不同类型因子（如定性与定量）的情况。 失效试验设计 (Designs for Reliability)： 针对产品寿命、可靠性等特殊应用场景，介绍相应的试验设计方法。 计算机模拟与数据驱动设计： 探讨如何结合计算机模拟技术，以及在数据充分情况下的模型选择与设计优化。 第三部分：数据处理与分析 数据收集与预处理： 数据录入与校验： 讲解如何规范数据录入，避免录入错误，并介绍常用的数据校验方法。 数据清洗： 识别和处理异常值、缺失值，以及如何进行数据转换（如对数转换、平方根转换等）。 数据可视化： 介绍各种图表（散点图、箱线图、直方图、Q-Q图等）在探索性数据分析中的应用，帮助直观理解数据分布和潜在关系。 统计软件的应用： 主流软件介绍： 对常用的统计分析软件（如 R, Python, SPSS, SAS 等）进行介绍，并侧重讲解如何使用它们实现本书介绍的各种试验设计和数据分析方法。 实操演示： 提供大量基于主流软件的实例操作步骤，帮助读者将理论知识转化为实际操作能力。 高级数据分析技术： 方差分析 (ANOVA)： 深入讲解 ANOVA 的原理、不同类型（单因素、多因素、协方差分析等）的应用，以及如何解释 ANOVA 表。 回归分析 (Regression Analysis)： 介绍简单线性回归、多元线性回归，以及非线性回归等，讲解模型构建、参数估计、显著性检验和模型诊断。 主成分分析 (PCA) 与因子分析 (Factor Analysis)： 介绍如何降维，处理高维数据，识别潜在的公共因子。 聚类分析 (Cluster Analysis)： 讲解如何根据数据特征对样本或变量进行分组。 其他分析方法： 根据实际需求，简要介绍非参数检验、时间序列分析等相关内容。 结果解释与报告撰写： 统计显著性与实际意义： 强调区分统计显著性和实际意义的重要性。 报告结构与内容： 指导读者如何清晰、准确地撰写试验设计和数据分析报告，包括研究背景、方法、结果、讨论和结论。 避免常见误区： 提示在数据分析和结果解释中可能遇到的陷阱。 本书特色： 理论与实践紧密结合： 每一章节都配有丰富的案例研究和实际操作指导，让读者学以致用。 内容更新及时： 涵盖了近年来统计学和试验设计领域的最新进展，尤其关注现代统计软件的应用。 多领域适用性： 无论您是进行工业生产过程优化、新药研发、农业科学研究，还是市场行为分析，本书都能提供有价值的指导。 循序渐进的讲解： 从基础概念到高级技术，由易到难，适合不同背景的读者。 目标读者： 本书适合高等院校理工科、农林、医学、经济管理等专业的本科生、研究生，以及在科研院所、企事业单位从事研发、生产、质量控制、市场分析等工作的科研人员、工程师、技术人员和统计分析师。 通过学习本书，读者将能够： 独立设计科学、严谨的试验方案。 熟练运用统计软件对试验数据进行处理和分析。 准确解读试验结果，并作出科学的决策。 有效提升研究的效率和数据的可靠性。 本书是您在探索未知、优化流程、解决实际问题过程中不可或缺的得力助手。

评分☆☆☆☆☆

这本书给我一种“厚积薄发”的感觉。虽然我还没有完全深入阅读，但从目录和一些零散翻阅的内容来看，它涵盖了从最基础的试验设计理念到相对复杂的统计分析方法。这对于我这样想构建完整知识体系的人来说，是难能可贵的。我希望书中能够详细介绍不同类型的试验设计，例如完全随机设计、区组设计、析因设计等等，并解释它们各自的适用场景和优缺点。同时，对于数据处理的部分，我期待能够学习到如何进行数据可视化，如何识别和处理异常值，以及如何进行方差分析、回归分析、卡方检验等常用的统计推断。我更看重的是书中能够提供清晰的逻辑思路，帮助我理解为什么需要这样做，而不是仅仅罗列公式和步骤。

评分☆☆☆☆☆

我是一位对新兴技术充满好奇心的科技爱好者，虽然我的专业不是统计学或相关领域，但我一直对如何通过科学的方法来验证一些技术假设和优化产品性能感到兴趣。例如，在开发一个新算法时，我希望能用严谨的试验来衡量它的效果，而不是凭感觉。这本书的书名非常吸引我，因为它直接点出了“试验设计”和“数据处理”这两个我一直在寻找的关键词。我希望这本书能够用相对易懂的语言，解释试验设计的核心思想，以及如何收集和分析数据来得出可靠的结论。即使书中包含一些数学公式，我也希望能有清晰的文字解释，帮助我理解它们在实际应用中的意义。我非常期待能够从这本书中学习到如何科学地进行验证，从而在我的业余项目或个人探索中，能够做出更明智的决策。

评分☆☆☆☆☆

我之前参加过一些关于数据分析的短期培训，学到了一些皮毛，但总觉得不成体系，也缺乏实践经验。尤其是在做一些比较正式的科研项目时，对试验设计和数据处理的规范性要求很高，自己一个人摸索总是会遇到各种问题。我听说《试验设计与数据处理》这本书是非常经典的教材，很多高校的老师都会推荐给学生。所以，我决定入手一本，希望能系统地学习一下。我尤其关注书中关于如何构建有效的实验对照组、如何进行数据清洗和预处理、以及如何选择和应用合适的统计模型来检验假设的内容。我希望这本书能够提供清晰的理论框架和具体的实践指导，让我能够理解背后的原理，并且能够在实际操作中得心应手。如果书中能提供一些代码示例或者常用的统计软件操作指南，那就更好了。

评分☆☆☆☆☆

我是一名在读研究生，最近在进行一项关于市场营销策略的实证研究，而我的导师强烈推荐我阅读这本《试验设计与数据处理》。我一直对如何科学地设计实验来验证理论和收集可靠的数据感到有些困惑，总是担心自己的实验设计存在漏洞，或者在数据分析阶段出现偏差。这本书的名字就直击了我的痛点，所以毫不犹豫地入手了。我迫不及待地想从这本书中学习到如何构建一个严谨的试验框架，如何选择合适的变量和控制组，以及如何避免潜在的混淆因素。更重要的是，我希望能够掌握各种数据处理和统计分析的方法，以便能够准确地解读实验结果，并从中得出有意义的结论。我听说这本书在理论讲解和实际操作之间找到了很好的平衡，这一点对我来说至关重要，因为我不仅需要理解原理，更需要知道如何在实际研究中应用这些知识。期待它能帮助我提升研究的科学性和严谨性，从而更好地完成我的学位论文。

评分☆☆☆☆☆

我是一名在企业从事市场研究工作的分析师，日常工作中需要处理大量的用户行为数据和市场调研数据。过去，我主要依赖一些基础的统计方法和Excel来进行数据处理，但随着业务的复杂化和对数据分析深度的要求越来越高，我感到有些力不从心。尤其是在设计一些A/B测试或者用户分组实验时，我希望能够更科学、更系统地进行，以确保结果的有效性。这本书的书名恰好符合我的需求，它承诺能够提供关于试验设计和数据处理的全面指导。我期待书中能够讲解如何合理地规划实验，包括样本量的确定、变量的选取、实验的周期等等，以及如何使用更高级的统计工具和技术来分析数据，发现潜在的模式和趋势。我希望这本书能够帮助我提升数据分析的专业性，为我的工作带来更精准的洞察和更有价值的决策支持。

评分☆☆☆☆☆

这本书的装帧设计给人一种严谨、学术的感觉。封面色彩的搭配，字体的选择，以及整体的排版，都透露出一种精心设计的痕迹。我尤其喜欢它封底的介绍，简明扼要地勾勒出了本书的核心内容和价值，并且点明了目标读者群体。这让我能够快速判断它是否符合我的学习需求。我是一位在工业界从事质量管理工作的工程师，日常工作中需要处理大量的生产数据，并需要不断优化生产流程和产品质量。试验设计和数据分析是实现这些目标的关键工具。我希望这本书能够帮助我学习如何设计有效的实验来识别影响产品质量的关键因素，以及如何利用统计工具来分析数据，找到最佳的工艺参数。我希望书中能有一些贴近实际生产场景的案例，这样我能够更好地将书本知识应用到工作中。

评分☆☆☆☆☆

这本书的定价虽然不算特别低廉，但考虑到其内容的深度和广泛性，我认为物有所值。在信息爆炸的时代，能够有一本系统梳理试验设计与数据处理核心知识的书籍，本身就是一种稀缺的价值。我了解到这本书的作者在相关领域拥有丰富的实践经验和深厚的学术造诣，这让我对书中的内容充满了信心。我希望它能够帮助我建立起一种科学的思维模式，学会如何从纷繁复杂的数据中提炼出有用的信息，如何用严谨的逻辑去支撑我的研究结论。对于我而言，这不仅仅是一本工具书，更是一本能够提升我认知和解决问题能力的启迪之书。我相信，通过深入学习和实践书中的方法，我将能更自信地面对未来的科研挑战，产出更高质量的研究成果。

评分☆☆☆☆☆

在我的学习生涯中，许多课程都涉及到数据分析，但往往是零散的知识点，缺乏一个整体的框架。我一直希望能有一本书，能够系统地梳理试验设计和数据处理的逻辑，帮助我建立起完整的知识体系。《试验设计与数据处理》这本书，正如其名，正是我想找的那一本。我期待书中能够详细讲解试验设计的原则，包括如何提出研究问题、如何选择研究对象、如何设计对照组和实验组、如何控制无关变量等。在数据处理方面，我希望能够学习到如何进行数据录入、清洗、整理，以及如何运用描述性统计和推断性统计方法来分析数据，并对结果进行解释。我更看重的是书中能够提供一个清晰的学习路径，让我能够循序渐进地掌握这些知识，并且能够理解这些方法背后的统计学原理。

评分☆☆☆☆☆

这本书的封面设计简洁明了，深蓝色的背景搭配白色的书名和作者信息，给人一种沉稳、专业的视觉感受。书脊的印刷也相当清晰，即使是放在书架上，也能一眼认出它的存在。拿到手里，纸张的质感很好，不是那种过于光滑容易留下指纹的类型，而是带着微微的哑光，翻阅时手感舒适，长时间阅读也不会觉得累。封面上的字体选择也很考究，既有现代感又不失学术的严谨。我尤其喜欢它那种厚重感，虽然这并不代表内容一定扎实，但至少在心理上给人一种“内容量很足”的期待。书的整体尺寸适中，方便携带和阅读，不会显得过于庞大笨重，也不会因为太小而显得内容局促。包装也很到位，拆开的时候没有感受到任何破损或挤压的痕迹，这一点对于在线购书的用户来说非常重要，说明出版社和销售方都很注重产品的细节。每次看到这本书，都会想起它承载的知识和可能性，感觉它就像一位沉默而智慧的长者，随时准备为我解答心中的疑惑。

评分☆☆☆☆☆

我是一名刚步入科研领域的博士后研究员，主要从事生物医药方向的研究。在我的研究中，精确的试验设计是至关重要的，因为任何微小的偏差都可能导致实验结果的不可靠，甚至误导后续的研究方向。过去，我曾在一些试验设计上吃过亏，走了不少弯路，耗费了宝贵的时间和资源。因此，当我看到这本书时，我立刻意识到它可能是我急需的“救星”。我特别关注书中关于随机化、重复、区组等试验设计基本原则的讲解，以及如何根据不同的研究目的和变量类型选择最合适的试验方案。此外，对于数据分析的部分，我希望书中能够提供清晰的步骤和详细的案例，指导我如何使用统计软件进行数据整理、清洗、可视化和假设检验。尤其是在生物医药领域，对统计方法的准确性和严谨性要求极高，我希望这本书能够帮助我打下坚实的基础，避免常见的统计陷阱。

评分☆☆☆☆☆

行业标杆书籍

评分☆☆☆☆☆

物流速度很快，书本质量很好。

评分☆☆☆☆☆

比较专业，排版不错。

评分☆☆☆☆☆

书和学校发的一样，就是快递把书弄得有点褶皱。

评分☆☆☆☆☆

比想象中难，太多公式了，看得头晕

评分☆☆☆☆☆

非常棒

评分☆☆☆☆☆

此用户未填写评价内容

评分☆☆☆☆☆

买来的参考资料，经济实惠

评分☆☆☆☆☆

书不错，是原版的，希望以后能多一点儿优惠活动