第 1 章 數據與 Python 1 1.1 數據與統計學 1 1.1.1 統計學與數據分析 1 1.1.2 數據分析方法和工具 1 1.1.3 數據及其來源 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 數據讀取和保存 12 習題 14 第 2 章 數據處理和繪圖基礎 15 2.1 Python 的基本數據結構 15 2.1.1 數字和字符串 15 2.1.2 元組和列表 15 2.1.3 字典和集合 17 2.2 數組、序列和數據框 19 2.2.1 numpy 中的數組19 2.2.2 pandas 中的序列和數據框 20 2.3 數據抽樣和篩選 30 2.3.1 抽取簡單隨機樣本 30 2.3.2 數據篩選 32 2.3.3 生成隨機數 33 2.4 生成頻數分布表 34 2.4.1 類別數據頻數表 34 2.4.2 數值數據類別化 382 2.5 Python 繪圖基礎 40 2.5.1 Python 的主要繪圖模塊 40 2.5.2 基本繪圖函數 41 2.5.3 圖形布局 44 2.5.4 圖形顏色、線型和標記 47 習題 48 第 3 章 數據可視化 50 3.1 類別數據可視化 50 3.1.1 條形圖 50 3.1.2 樹狀圖 55 3.1.3 餅圖和環形圖 57 3.2 數據分布可視化 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 變量間關系可視化 71 3.3.1 散點圖 71 3.3.2 散點圖矩陣和相關系數矩陣 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 平行坐標圖 80 3.4.2 雷達圖 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 坐標軸刻度起點 88 3.6.3 圖形比例 89 3.6.4 3D 圖形 89 習題 90 第 4 章 數據的描述統計量 92 4.1 描述水平的統計量 92 4.1.1 平均數 92 4.1.2 分位數 94 4.1.3 眾數 97 4.2 描述差異的統計量 98 4.2.1 極差和四分位差 98 4.2.2 方差和標準差 99 4.2.3 變異系數 100 4.3 描述分布形狀的統計量 102 4.3.1 偏度系數 102 4.3.2 峰度系數 103 4.4 數據標準化 104 4.4.1 標準分數 104 4.4.2 極值標準化 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 統計量分析 111 習題 114 第 5 章 概率分布 116 5.1 什么是概率 116 5.2 隨機變量的概率分布 117 5.2.1 隨機變量及其概括性度量 117 5.2.2 隨機變量的概率分布 119 5.2.3 幾個重要的統計分布 123 5.3 樣本統計量的概率分布 127 5.3.1 統計量及其分布 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 統計量的標準誤 131 習題 132 第 6 章 參數估計 134 6.1 參數估計的原理 134 6.1.1 點估計與區間估計 134 6.1.2 評價估計量的標準 138 6.2 總體均值的區間估計 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 習題 157 第 7 章 假設檢驗 159 7.1 假設檢驗的原理 159 7.1.1 提出假設 159 7.1.2 做出決策 161 7.1.3 表述結果 163 7.1.4 效應量 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 正態性檢驗 178 7.5.1 正態概率圖 179 7.5.2 S-W 檢驗和 K-S 檢驗 181 習題 183 第 8 章 類別變量分析 187 8.1 一個類別變量的擬合優度檢驗 187 8.1.1 期望頻數相等 187 8.1.2 期望頻數不等 189 8.2 兩個類別變量的獨立性檢驗 190 8.2.1 列聯表與 χ2 獨立性檢驗 191 8.2.2 應用 χ2 檢驗的注意事項 193 8.3 兩個類別變量的相關性度量 193 8.3.1 ϕ 系數和 Cramer's V 系數 193 8.3.2 列聯系數 194 習題 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 數學模型 199 9.2.2 效應檢驗 200 9.2.3 效應量分析 203 9.2.4 多重比較 204 9.3 雙因子方差分析 206 9.3.1 數學模型 206 9.3.2 主效應分析 207 9.3.3 交互效應分析 212 9.4 方差分析的假定及其檢驗 217 9.4.1 正態性檢驗 217 9.4.2 方差齊性檢驗 219 習題 222 第 10 章 回歸分析 224 10.1 變量間的關系 224 10.1.1 相關關系的描述 224 10.1.2 關系強度的度量 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估計 243 10.3.2 擬合優度和顯著性檢驗 247 10.3.3 共線性分析 249 10.3.4 回歸預測和模型診斷 250 習題 252 第 11 章 時間序列分析和預測 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 隨機成分平滑 261 11.2 預測方法的選擇與評估 264 11.3 指數平滑預測 265 11.3.1 指數平滑模型的一般表達 265 11.3.2 簡單指數平滑預測 266 11.3.3 Holt 指數平滑預測 269 11.3.4 Winters 指數平滑預測 272 11.4 趨勢外推預測 275 11.4.1 線性趨勢預測 275 11.4.2 非線性趨勢預測 278 習題 283 參考書目 285