具体描述
内 容 提 要
本书是按照全国综合性大学管理教育协作组的部署，根据1986年
4月昆明会议制定的大纲编写的，是管理类专业系列教材之一。
全书分为两大部分：一是经验统计模型和理论概率模型及其关
系，二是统计推断的基本原理和方法。本书着重介绍方法，注意结合
管理和经济应用的实例。
本书可做高等院校管理和经济类本科生、研究生的教材或教学参
考书，亦可供各级管理人员、经济工作者和工程技术人员参考使用.
作者简介
目录信息
序
第一章 经验统计模型
1引言
1.1什么是统计
1.2管理统计
2统计学的基本概念
2.1总体 个体和统计标志
2.2样本和抽样
2.3统计数据的整理
3统计分布
3.1统计分组
3.2离散型标志的统计分布
3.3连续型标志的统计分布
4统计量
4.1统计量的一般概念
4.2顺序统计量
5统计资料的数字特征
5.1位置特征（平均值）
5.2散布特征
5.3样本矩
习题
第二章 事件的概率
1随机现象和随机试验
1.1必然现象和随机现象
1.2随机试验
1.3随机事件和随机变量
2事件的关系和运算
2.1事件的关系和运算的定义
2.2事件运算的性质
2.3事件与集合
3事件的概率
3.1事件概率的直接计算
3.2事件的频率和概率
3.3概率的公理和概率空间
3.4概率的性质
4事件的条件概率和独立性
4.1事件的条件概率
4.2与条件概率相联系的基本公式
4.3事件的独立性
5计算事件概率的典型例题
5.1组合分析的基本公式
5.2自有限总体的随机抽样
5.3典型例题
习题
第三章 随机变量的概率分布和数字特征
1随机变量的概率分布
1.1随机变量的概念
1.2随机变量的概率分布
1.3随机变量的分布函数
2随机变量的联合概率分布
2.1联合概率分布和分布函数
2.2随机变量的独立性
2.3条件概率分布
3随机变量的函数
3.1随机变量函数的分布的一般求法
3.2连续型随机变量的函数的密度
3.3二随机变量和 差 商 积的分布
4随机变量的数字特征
4.1随机变量的位置特征
4.2随机变量的散布特征
4.3随机变量的矩 偏度和峰度
4.4二随机变量的协方差和相关系数
4.5条件数学期望
4.6切贝绍夫不等式
习题
第四章 常用概率分布
1常用离散型概率分布
1.1伯努利分布
1.2二项分布
1.3超几何分布
1.4泊松分布
1.5试验次数的分布
2常用连续型概率分布
2.1均匀分布
2.2正态分布
2.3对数正态分布
2.4Γ－分布
2.5F－分布
2.6t－分布
3常见多维概率分布
3.1多项分布
3.2多维超几何分布
3.3多维均匀分布
3.4多维正态分布
4常见概率分布表
习题
第五章 经验统计模型与理论概率模型的关系
1总体、样本和统计量的数学定义
1.1总体
1.2简单随机抽样和简单随机样本
1.3统计量
2经验分布和理论分布的关系
2.1大数定律
2.2经验统计分布和理论概率分布
2.3样本数字特征和理论数字特征
3抽样分布
3.1正态总体的抽样分布
3.2极限抽样分布
3.3顺序统计量的概率分布
4统计学的基本问题
4.1统计调查
4.2统计数据的整理
4.3统计推断的基本问题
习题
第六章 统计估计方法
1统计估计的一般概念总体参数的点估计
1.2总体参数的区间估计
2正态总体参数的估计
2.1正态总体参数的点估计
2.2正态总体参数的区间估计
2.3两个正态总体的情形
2.4单侧置信区间
2.5正态总体参数的置信区间表
3比率的估计
3.1比率和概率
3.2比率的点估计
3.3比率的区间估计
3.4比率的单侧置信区间
3.5比率的置信区间表
4泊松分布参数的估计
4.1泊松分布的参数
4.2泊松分布参数λ的点估计
4.3泊松分布参数λ的区间估计
4.4泊松分布参数λ的单侧置信区间
4.5泊松分布参数λ置信区间表
5求估计量的一般方法
5.1矩估计法
5.2最大似然估计法
6估计量的效率
6.1克拉美－逻不等式
6.2有效估计量和估计量的效率
习题
第七章 统计比较方法
1统计比较的基本原理
1.1统计假设的概念
1.2统计假设的显著性检验
1.3统计假设检验的两类错误
2正态总体参数的比较
2.1单个正态总体的参数与标准值的比较
2.2两个正态总体的参数的比较
2.3多个正态总体的参数的比较
2.4非正态总体均值的比较
2.5正态总体参数检验表
3比率的比较及泊松分布参数的比较
3.1一个比率p和给定标准值P0的比较
3.2两个比率P1和P2的比较
3.3泊松分布参数的比较
4理论分布的选配分布拟合检验
4.1X2－检验
4.2柯尔莫戈洛夫检验
4.3概率纸法
4.4偏离正态分布的检验
5样本的比较齐一性检验
5.1两个独立样本的比较
5.2成对观测结果的比较符号检验
5.3多个独立样本的比较
5.4样本随机性的检验
6似然比检验
6.1似然比
6.2似然比检验
6.3似然比检验的例
习题
第八章 变量关系的统计分析
1引言
1.1变量间的关系
1.2统计相依关系的研究方法
2正态相关分析
2.1二正态变量的相关分析
2.2三个正态变量的相关分析
2.3多个正态变量的相关分析
3 回归分析
3.1引言：观测数据的修匀
3.2简单线性回归
3.3多元线性回归
3.4可化为线性回归的例
4等级相关分析
4.1斯皮尔曼等级相关系数
4.2斯皮尔曼相关系数的显著性检验
习题
常用统计数值表
附表1二项分布累计概率值表
附表2比率的0.95置信限图表
附表3泊松分布概率值表
附表4泊松分布累计概率值表
附表5均匀随机数表
附表6标准正态分布函数值表
附表7标准正态分布双侧分位数（ua）表
附表8X2分布上侧概率值表
附表9X2分布上侧分位数表
附表10t分布双侧分位数表
附表11F分布上侧分位数表
附表12哈特检验临界值表
附表13科克伦检验临值表
附表14－检验临界值表
附表15格拉布斯检验临界值表
附表16迪克森检验临界值表
附表17游程总数下、上临界值表
附表18秩和检验临界值表
附表19符号检验临界值表
附表20柯尔莫戈洛夫（极限）分布函数值表
附表21柯尔莫戈洛夫检验临界值表
附表22斯米尔诺夫检验界值表
附表23斯皮尔曼等级相关系数的上临界值表
附表24样本相关系数的临界值表
附表25费歇尔变换z和r值表
附表26正态总体之修正样本标准差S的数学期望和标准差的
系数表
附表27正态总体之样本极差Rn的数学期望和标准差的系数
附表28正态总体之样本中位数X1/2的标准差的系数表
参考书目
习题答案
· · · · · · (收起)
读后感
用户评价
这本书的语言风格展现出一种独特的、略带幽默感的学究气。作者的措辞严谨而不失风趣，总能在关键的理论阐述后，用一句精炼而略带反讽的比喻来加深读者的印象。例如，在描述“P值”的概念时，作者并没有采用传统教科书那种板着脸孔的定义，而是将其戏谑地比喻为“我们在法庭上试图证明无罪的力度”，这种富有个性的表达方式，使得阅读过程充满了惊喜和愉悦，完全摆脱了技术书籍的刻板印象。这种作者人格的魅力通过文字渗透出来，让读者感觉自己不是在被动地学习一门学科，而是在与一位经验丰富的、风趣健谈的导师进行一场深入的交流，这种亲和力是很多同类书籍所不具备的。
这本书在理论深度与实用操作之间的平衡拿捏得非常到位，堪称教科书级别的典范。它既提供了扎实的理论基础，确保读者理解“为什么”这样做，也提供了详尽的操作指南，指导读者知道“如何”具体实现。比如，在阐述假设检验的原理时，作者不仅详述了零假设和备择假设的哲学意义，还紧接着提供了主流统计软件（如R或Python库）中对应函数的具体代码片段和输出结果解读，这种“理论+实践”的双轮驱动模式，使得学习成果可以迅速转化为实际工作能力。对我个人而言，这种即学即用的设计，极大地增强了我学习的动力，因为每一次阅读都能立即看到知识点在现实场景中的应用潜力，而不是停留在纯粹的象牙塔理论中空谈。
这本书的装帧设计着实令人眼前一亮，封面采用了一种低饱和度的深蓝色，搭配着烫金的字体，散发着一种沉稳而专业的质感，让人一拿在手就感觉这不是一本普通的入门读物，而是经过精心打磨的专业教材。内页的纸张选择也相当考究，厚度适中，纸张纤维细腻，即便是长时间阅读也不会感到眼睛疲劳，这一点对于需要深入钻研的读者来说，无疑是一个巨大的加分项。装订工艺更是体现了出版方的用心，每一页都平整贴合，翻阅起来非常顺滑，即便是频繁地在不同章节间跳转查找资料，书籍本身也毫无松散的迹象，显示出极高的耐用性。整体而言，从触感到视觉，这本书在物理形态上就为读者建立了一种期待感，仿佛在预示着内容也如其外观一样，严谨且富有深度，让人迫不及待地想一探究竟其内部的精妙结构。
我最欣赏这本书的逻辑组织方式，它没有像许多同类书籍那样堆砌复杂的公式和晦涩难懂的理论，而是采取了一种层层递进的叙事结构。作者似乎非常理解初学者在面对新领域时的困惑，因此，每一章的开篇都会用非常生活化或商业化的场景来引入核心概念，让抽象的知识点立刻落地生根。例如，在讲解概率分布时，作者并未直接抛出复杂的数学符号，而是先描述了一个供应链中库存波动的实际案例，然后自然而然地引出正态分布的重要性。这种“先问题，后理论，再应用”的模式，极大地降低了学习的门槛，使得阅读过程充满了发现的乐趣，而不是被动接受信息的枯燥。这种细腻的教学设计，充分展现了作者深厚的教学功底和对读者体验的深刻洞察，让原本可能枯燥的章节变得引人入胜，阅读体验远超预期。
这本书的排版风格极其注重阅读的舒适度和信息的可视化呈现。大段文字的间距和行距处理得恰到好处，有效地避免了长时间阅读带来的压迫感。更值得称赞的是，书中穿插的图表和示例数据，制作得极为清晰、直观。它们不是简单的复制粘贴的截图，而是经过精心设计的矢量图，线条流畅，配色协调，完美地服务于文字的解释。尤其是在介绍复杂模型时，作者巧妙地利用了不同颜色和粗细的线条来区分变量关系，使得原本需要反复推敲才能理解的复杂关系，一眼就能了然。这种对视觉化表达的极致追求，极大地提升了知识的吸收效率，让读者能够更专注于理解概念的精髓，而不是被糟糕的呈现方式所干扰，足见其对细节的苛求。
