商务统计学基础：从不确定性到人工智能入门级统计学教程零基础起步商务统计

作者: 王汉生王菲菲

出版社: 北京大学出版社

出版时间: 2023-02

版次: 1

ISBN: 9787301336878

定价: 89.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 342页

分类: 计算机与互联网

6 张插图图片

7人买过

在大数据时代背景下，统计学作为数据分析领域的基础，被应用于各行各业，其方法发挥着
  重要作用。为了更广泛地普及统计学知识，培养更多的统计学人才，《商务统计学基础：从不确定性到人工智能》应运而生。
  作为入门级图书，《商务统计学基础：从不确定性到人工智能》内容安排如下。第 1 章从不确定性出发，讲述统计学和不确定性的关
  系，以及统计学中用于描述不确定性的各种概率模型。第 2 章是参数估计，系统讲述统计学中矩
  估计和极大似然估计两种常用的参数估计方法，并基于两种方法介绍各种常见概率分布中参数的
  点估计和区间估计。第 3 章是假设检验，首先从不确定性的角度探讨实际中的各种决策问题，帮
  助读者理解假设检验的思想和应用场景，然后系统介绍假设检验的方法论及各种常见推广。第 4
  章是回归分析，首先介绍回归分析的思想和广泛的应用场景，然后系统地介绍各类常用模型，从
  线性回归到广义线性回归，最终落脚到两种机器学习算法（决策树、神经网络）。
  《商务统计学基础：从不确定性到人工智能》特别强调实际应用，因此各个章节都辅以大量的实际案例，在介绍统计学基础知识的同
  时培养读者使用统计学方法解决实际问题的能力。王汉生王菲菲

----------------------------

王汉生，北京大学光华管理学院商务统计与经济计量系，教授，博导，系主任。1998年北京大学数学学院概率统计系本科毕业，2001年美国威斯康星大学麦迪逊分校统计系博士毕业。2003年加入光华至今。国家杰出青年基金获得者，全国工业统计学教学研究会青年统计学家协会创始会长，美国统计学会（ASA）Fellow，国际统计协会（ISI）Elected Member，英国皇家统计协会（RSS）、美国数理统计协会（IMS）、泛华国际统计协会（ICSA）的当选会员。著有《数据思维》《数据资产论》（中国人民大学出版社出版）。

王菲菲，中国人民大学副教授，主要研究方向及代表性成果：感兴趣的研究方向包括文本挖掘、大规模数据分析等，曾在《中国科学（数学）》等国内外高水平期刊发表20余篇文章。第1章不确定性的描述

1.1 从不确定性出发 / 002

1.2? 连续型数据 / 012

1.3 正态概率密度 / 023

1.4? t- 分布 / 037

1.5 指数分布 / 048

1.6? 0-1 分布 / 059

1.7 泊松分布 / 069

第2章参数估计

2.1 矩估计 / 081

2.2 极大似然估计 / 090

2.3 正态分布均值的区间估计 / 101

2.4 正态分布方差的区间估计 / 113

2.5 其他分布参数的区间估计 / 125 ??

指数分布 / 125 ??

0-1 分布 / 129 ??

泊松分布 / 131 ??

一般分布的均值 / 133 ??

案例演示 / 134 ??

两样本问题 / 135

2.6 样本量计算 / 138 ??

指数分布 / 145 ??

泊松分布 / 147 ??

0-1 分布 / 149 ??

一般分布 / 151

第3章假设检验

3.1 不确定性与决策 / 155

3.2 两种不同类型的错误 / 167

3.3 为什么推翻原假设 / 180

3.4 关于均值的假设检验问题 / 188

3.5 假设检验的各种推广 / 200 ??

双样本检验 / 200 ??

方差检验 / 204 ??

双单边检验 / 209

3.6 假设检验中的 p 值 / 213

3.7 假设检验中的样本量计算 / 222 ??

单边假设检验 / 223 ??

双边假设检验 / 226 ??

双单边假设检验 / 230

第4章回归分析

4.1 回归分析是什么 / 237

4.2 数据类型与回归模型 / 248 ??

第一式：线性回归 / 248 ??

第二式：0-1 回归 / 252 ??

第三式：定序回归 / 254 ??

第四式：计数回归 / 258 ??

第五式：生存回归 / 260

4.3 线性回归模型 / 266 ??

案例介绍 / 266 ??

描述分析 / 268 ??

理论模型 / 272 ??

关于残差的讨论 / 274 ??

参数估计 / 275 ??

假设检验 / 279

4.4 时间序列模型 / 283

4.5 0-1 回归模型 / 297 ??

案例介绍 / 297 ??

描述分析 / 299 ??

模型描述 / 302 ??

参数估计与统计推断 / 306

4.6 决策树模型 / 311

4.7 神经网络模型 / 322
内容简介:
在大数据时代背景下，统计学作为数据分析领域的基础，被应用于各行各业，其方法发挥着
  重要作用。为了更广泛地普及统计学知识，培养更多的统计学人才，《商务统计学基础：从不确定性到人工智能》应运而生。
  作为入门级图书，《商务统计学基础：从不确定性到人工智能》内容安排如下。第 1 章从不确定性出发，讲述统计学和不确定性的关
  系，以及统计学中用于描述不确定性的各种概率模型。第 2 章是参数估计，系统讲述统计学中矩
  估计和极大似然估计两种常用的参数估计方法，并基于两种方法介绍各种常见概率分布中参数的
  点估计和区间估计。第 3 章是假设检验，首先从不确定性的角度探讨实际中的各种决策问题，帮
  助读者理解假设检验的思想和应用场景，然后系统介绍假设检验的方法论及各种常见推广。第 4
  章是回归分析，首先介绍回归分析的思想和广泛的应用场景，然后系统地介绍各类常用模型，从
  线性回归到广义线性回归，最终落脚到两种机器学习算法（决策树、神经网络）。
  《商务统计学基础：从不确定性到人工智能》特别强调实际应用，因此各个章节都辅以大量的实际案例，在介绍统计学基础知识的同
  时培养读者使用统计学方法解决实际问题的能力。
作者简介:
王汉生王菲菲

----------------------------

王汉生，北京大学光华管理学院商务统计与经济计量系，教授，博导，系主任。1998年北京大学数学学院概率统计系本科毕业，2001年美国威斯康星大学麦迪逊分校统计系博士毕业。2003年加入光华至今。国家杰出青年基金获得者，全国工业统计学教学研究会青年统计学家协会创始会长，美国统计学会（ASA）Fellow，国际统计协会（ISI）Elected Member，英国皇家统计协会（RSS）、美国数理统计协会（IMS）、泛华国际统计协会（ICSA）的当选会员。著有《数据思维》《数据资产论》（中国人民大学出版社出版）。

王菲菲，中国人民大学副教授，主要研究方向及代表性成果：感兴趣的研究方向包括文本挖掘、大规模数据分析等，曾在《中国科学（数学）》等国内外高水平期刊发表20余篇文章。
目录:
第1章不确定性的描述

1.1 从不确定性出发 / 002

1.2? 连续型数据 / 012

1.3 正态概率密度 / 023

1.4? t- 分布 / 037

1.5 指数分布 / 048

1.6? 0-1 分布 / 059

1.7 泊松分布 / 069

第2章参数估计

2.1 矩估计 / 081

2.2 极大似然估计 / 090

2.3 正态分布均值的区间估计 / 101

2.4 正态分布方差的区间估计 / 113

2.5 其他分布参数的区间估计 / 125 ??

指数分布 / 125 ??

0-1 分布 / 129 ??

泊松分布 / 131 ??

一般分布的均值 / 133 ??

案例演示 / 134 ??

两样本问题 / 135

2.6 样本量计算 / 138 ??

指数分布 / 145 ??

泊松分布 / 147 ??

0-1 分布 / 149 ??

一般分布 / 151

第3章假设检验

3.1 不确定性与决策 / 155

3.2 两种不同类型的错误 / 167

3.3 为什么推翻原假设 / 180

3.4 关于均值的假设检验问题 / 188

3.5 假设检验的各种推广 / 200 ??

双样本检验 / 200 ??

方差检验 / 204 ??

双单边检验 / 209

3.6 假设检验中的 p 值 / 213

3.7 假设检验中的样本量计算 / 222 ??

单边假设检验 / 223 ??

双边假设检验 / 226 ??

双单边假设检验 / 230

第4章回归分析

4.1 回归分析是什么 / 237

4.2 数据类型与回归模型 / 248 ??

第一式：线性回归 / 248 ??

第二式：0-1 回归 / 252 ??

第三式：定序回归 / 254 ??

第四式：计数回归 / 258 ??

第五式：生存回归 / 260

4.3 线性回归模型 / 266 ??

案例介绍 / 266 ??

描述分析 / 268 ??

理论模型 / 272 ??

关于残差的讨论 / 274 ??

参数估计 / 275 ??

假设检验 / 279

4.4 时间序列模型 / 283

4.5 0-1 回归模型 / 297 ??

案例介绍 / 297 ??

描述分析 / 299 ??

模型描述 / 302 ??

参数估计与统计推断 / 306

4.6 决策树模型 / 311

4.7 神经网络模型 / 322