具体描述
推荐一：主要面向想要从日常繁忙的工作生活中抽出一点时间来了解如何处理信息的人。用容易理解的方式（图解）教会科学决策工具！
市面上有很多以“简单易懂”为宣传卖点的统计学入门书或教材，但基本上面向的都是为了通过相关资格考试、已经具备一定统计学知识的人或统计学专业的学生。对于毫无统计学背景或初中数学水平的一般人来说，要读懂这些书比较困难，需要花费在阅读上的时间也比较多。另一方面，市面上还有许多书只解说数学公式，却不阐述其原理及应用场景。本书将尝试结合统计学常识，配合Excel求解方法，尽可能通俗地讲解统计学的专业知识与理论。
推荐二：经济学是一种量化的手段。将真实世界中可能发生的事件赋予“概率”的含义，并基于概率计算出期望值，从而在纷繁的选项中找出一条科学决策之路。
本书主要涵盖以下内容：
数据的整理方法.
概率/ 总体/ 样本及其应用
估计/ 检验及其应用
回归分析/ 方差分析/ 贝叶斯统计学及其应用
使用Excel 的求解方法
作者简介
[日] 涌井良幸
1950年生于东京，毕业于东京教育大学（现筑波大学）数学系，现为自由职业者。著有《用Excel学深度学习》（合著）、《统计学有什么用？》等。
[日] 涌井贞美
1952年生于东京，完成东京大学理学系研究科硕士课程，现为自由职业者。著有《用Excel学深度学习》（合著）、《贝叶斯统计入门图解》等。
目录信息
为什么如今统计学备受推崇 2
统计学的分类 4
统计学的历史即人类的文明史 6
专栏1 开放数据 8
第 1章 【基础篇】数据的整理方法 9
数据种类繁多，主要分为定量数据和定性数据 10
列表整理使数据的特征显而易见 12
图表化使数据的特征一目了然 14
平均值是数据最重要的代表值 16
中位数/ 众数也是数据的代表值 18
方差/ 标准差是表征数据分散程度的重要指标 20
波动和方差的大小体现了原始数据的固有信息量 22
相关图使两个变量的关系可视化 24
相关系数使两个变量的关系量化 26
交叉表格使两个定性变量的关系可视化 28
专栏2 多元分析 30
第 2章 【基础篇】概率/ 总体/ 样本 31
概率，即用0~1 之间的数字来表示事件发生的可能性 32
随机变量，只有通过试验才能确认其数值 34
随机变量的概率分布是统计学重点 36
随机变量的平均值和方差的计算式 38
概率分布的百分点和p 值 40
用于应对各种规范的标准化转换 42
总体及研究总体用的样本 44
统计学中经常使用的基本统计量 46
满足无偏估计量的条件 48
自由度取值不受限的变量个数 50
概率分布的基础是高斯发现的正态分布 ．52
集世界之美的中心极限定律 54
正态总体的样本均值的相关定理 56
正态分布经常用到的百分点 58
专栏3 回归分析 60
第3章 【基础篇】估计/ 检验的基本思想 61
从样本推测总体的统计学估计 62
区间估计的原理1． 根据样本计算统计量的概率分布 64
区间估计的原理2． 根据概率分布计算概率 66
区间估计的置信度95% 及99% 的意义 68
置信度和置信区间是此消彼长的关系 70
统计学检验的思想是简单易懂的 72
根据风险率（显著性水平）可知检验的正确程度 74
检验分为单侧检验和双侧检验两种类型 76
检验时无法避免的两类错误 78
专栏4 因子分析 80
第4章 【 基础篇】
回归分析/ 方差分析/ 贝叶斯统计学 81
一元回归分析，由1 个变量预测其他变量 82
多元回归分析，由2 个以上的变量预测其他变量 84
决定系数决定回归分析的精度 86
自由度调整后的决定系数可以不受回归分析变量个数的影响 88
绝不是偶然的方差分析 90
组间和组内的变异是方差分析的决定性因素 92
方差分析的基础是使用F 分布的检验 94
按部就班就可以完成方差分析 96
理解方差分析首先要理解偏差和波动的性质 98
双因素的方差分析（无反复） 100
双因素的方差分析（有反复） 102
方差分析的统计学术语 104
为什么现在贝叶斯统计学如此流行 106
4 个贝叶斯统计学的基本概念 108
基于条件概率的贝叶斯定理 110
贝叶斯定理的典型案例 ．112
专栏5 主成分分析 114
第5章 【发展应用篇】数据的应用 115
调查2 个商品价格之间的关联 116
注意数据中的异常值 118
用大局观分析短期变化 120
调查区域差异带来的商品价格变化 122
画出商品价格的分布表 124
专栏6 判别分析 126
第6章 【 发展应用篇】
概率/ 总体/ 样本的应用 127
抽奖时首先要计算什么 128
从蒙特卡罗法中感受随机的威力 130
人的幸运和不幸与大数定律有关吗 132
喝醉的人的目的地是哪里 134
浅析中心极限定理 136
调查问卷的样本数量应该设为多少 138
专栏7 聚类分析 140
第7章 【发展应用篇】估计/ 检验的应用 141
用极大似然估计法推导图钉针朝上的概率 142
从一个较大的样本中求主妇零用钱的平均值 144
从一个较小的样本中求主妇零用钱的平均值 146
已知方差求主妇零用钱的平均值 148
计算30 ～ 40 岁男性的单身率 150
内阁的支持率的区间估计 152
调查商务人士零用钱的差异 154
调查吸烟率是否有增加 ．156
调查小学生数学的学习能力是否提高 158
调查新生儿的平均体重是否有减少 160
调查员工的睡眠时间是否有变化 162
调查东京和大阪的上班族的零用钱水平是否有差别 164
调查棒球选手的击球率是否有差异 166
调查葡萄酒实际容量的方差是否有变化 168
调查两个人的装袋工作的方差是否有差异 170
调查骰子是否有异常 172
调查某市男女出生比是否失衡 174
调查奶—茶和茶—奶是否可以靠味道分辨出不同 176
调查成人和儿童对西餐和日本料理的喜好是否不同 178
专栏8 量化理论 180
第8章 【 发展应用篇】
回归分析/ 方差分析/ 贝叶斯统计学的应用 181
从住宅户数分析汽车保有量 182
从住宅户数和年收入分析汽车保有量 184
根据时间序列数据预测未来 186
展示新产品策略的效果 188
新教学方法是否有效 190
营养和睡眠对美容是否有效（无反复） 192
补充 194
营养和睡眠对美容是否有效（有反复） 196
补充 198
猜一下口袋里白球的个数 200
求解体检出现阳性结果时真的患病的概率 202
挑战蒙提霍尔问题 204
硬币出现正面的实际概率是多少 206
如何使用贝叶斯理论来筛选垃圾邮件 210
求解天气预报的概率 214
附录A 使用Excel 的求解方法 216
1． 用Excel 求二项分布的100p % 点和p 值 217
2． 用Excel 求正态分布的100p % 点和p 值 218
3． 用Excel 求t 分布的100p % 点和p 值 220
4． 用Excel 求F 分布的100p % 点和p 值 222
5． 用Excel 求χ2 分布的100p % 点和p 值 223
附录B 使用Excel 分析案例 224
1．Excel 分析工具的安装方法(Excel 2010， 2013) 225
2． 第4 章 [ 一元回归分析，由1 个变量预测其他变量] 的分析案例 226
3． 第4 章 [ 多元回归分析，由2 个以上的变量预测其他变量] 的分析案例 228
4． 第4 章 [ 方差分析的基础是使用F 分布的检验] 的分析案例 230
5． 第4 章 [ 双因素的方差分析( 无反复)] 的分析案例 232
6． 第4 章 [ 双因素的方差分析( 有反复)] 的分析案例 234
7． 第8 章 [ 营养和睡眠对美容是否有效( 无反复)] 的分析案例 236
8． 第8 章 [ 营养和睡眠对美容是否有效( 有反复)] 的分析案例 238
· · · · · · (收起)
读后感
用户评价
这本厚厚的书拿在手里，沉甸甸的，光是封面设计就透露着一种“绝不含糊”的气势。我本来对统计学是完全敬而远之的态度，总觉得那是一门和复杂公式、枯燥图表画等号的学科，光是看到“标准差”、“回归分析”这些词汇就头皮发麻。但是这本书的开篇并没有直接扑上来一堆数学符号，而是非常亲和地从我们日常生活中遇到的概率问题切入，比如彩票中奖的几率，或者为什么超市里的商品摆放位置会影响我们的购买决策。作者似乎非常理解初学者的焦虑，他用非常生动的例子，把那些抽象的概念具象化了。我记得有一段讲到“大数定律”时，他用扔硬币的实验来比喻，一开始可能正反面次数不均，但随着次数的增加，总体的比例会趋于稳定。这种娓娓道来的叙述方式，让我感觉自己不是在学习一门硬科学，而是在听一个经验丰富的朋友分享他的生活智慧。特别是他对各种常见统计误区的解析，简直是醍醐灌顶，让我开始反思自己过去对很多新闻报道和数据分析的片面理解。它让我意识到，统计学并非高不可攀的象牙塔里的学问，而是洞察世界运行规律的一把钥匙。
当我把这本书读到最后几章时，我已经从最初的畏惧转变为一种强烈的探索欲。这本书的排版和用词风格，我必须点个赞，因为它真的非常“体贴”。它不是那种为了炫耀学识而故意使用晦涩术语的书籍，作者在引入每一个新概念时，都会先提供一个生活化的“类比理解”，然后再给出专业定义，最后再配上一个简单的计算案例。这种“三步走”的教学流程，极大地优化了学习曲线。特别是关于“假设检验”的部分，作者设计了一个非常巧妙的“打牌游戏”场景，将零假设和备择假设的建立过程描述得活灵活现，让我这个对逻辑推理不太敏感的人，都能轻松把握住核心要义。总的来说，这本书的成功之处在于，它没有把读者当成被动接收知识的容器，而是当成一个需要被引导和激发好奇心的探索者。它成功地去魅了统计学，让它变得既专业又平易近人，是我近年来读过的最令人愉悦的非虚构类读物之一。
这本书最让我感到扎实和可靠的一点，是它对统计学背后“哲学”层面的探讨，这往往是市面上那些速成指南所缺失的。作者反复强调，统计学不是水晶球，它无法提供绝对的真理，而仅仅是基于现有数据提供一个“最合理的推测区间”。他用大量的篇幅来解释“P值”的真正含义和常见的滥用现象。我记得有一章专门讨论了“相关性不等于因果性”的陷阱，并且通过几个经典的社会学案例进行了深入剖析，让我们警惕那些为了迎合某种观点而刻意扭曲数据解释的倾向。这种对严谨性和批判性思维的强调，远超出了我预期的“入门”范畴。它让我意识到，学会统计学，某种程度上也是在提升自己的逻辑辨别能力，能够更清醒地审视这个充斥着数据报告和调查结果的现代社会。这本书真正教给我的，是如何保持一份健康的怀疑态度，在面对任何数据主张时，都能问出“证据在哪里？”和“样本是否具有代表性？”这样的关键问题。
这本书的文字风格简直是一股清流，完全打破了我对理工科书籍的刻板印象。它读起来，更像是在听一位极其幽默、知识渊博的大学教授在进行一场高质量的脱口秀。我尤其喜欢作者在穿插历史典故和哲学思考时的那种信手拈来，丝毫没有生硬感。比如，在讨论“皮尔逊相关系数”时，他没有直接给出公式的推导，而是花了一整页篇幅来讲述皮尔逊本人在学术圈的轶事，这不仅让这段枯燥的数学内容变得生动起来，也让我对这位先驱有了更立体的认识。这种“润物细无声”的教学方法，极大地降低了我的心理防御。我发现自己竟然能在通勤的地铁上，津津有味地读下去，甚至会因为某个精妙的比喻而会心一笑。这种体验在其他技术书籍中是极其罕见的。它成功地将一门原本给人距离感的学科，拉到了读者的日常生活中，使得学习统计学不再是一种负担，而变成了一种探索乐趣。
坦率地说，我购买这本书的初衷其实是想应付工作中的一些数据分析需求，我希望找到一本能快速上手、能直接应用到实际问题中的工具书。这本书在这方面确实没有让我失望，但更让我惊喜的是它的结构安排。它没有像传统教材那样堆砌理论，而是采用了“问题导向”的模式。比如，当你想要比较两个不同产品线的销售业绩时，它会很自然地引出T检验；当你试图预测下个季度的市场需求时，则会过渡到线性回归模型。这种讲解方式让我感到自己每学到一个新工具，都能立刻找到它的用武之地，而不是学完一堆公式却不知道该怎么用。书中的图表制作也十分精良，配色清晰，重点突出，即便是对Excel或SPSS操作不熟悉的读者，也能通过书中的截图指引，大致明白数据是如何被处理和可视化的。虽然这本书的深度可能无法满足专业统计学家的需求，但对于想要从“数据文盲”晋升到“数据分析初级用户”的职场人士来说，无疑是一份极具性价比的指南。它教会了我如何“提出正确的问题”，而不是仅仅学会“计算答案”。
简单明了
大部分看明白了，主要介绍一些常用的检验方法，但是对于不同分类的具体场景下，应该选择什么检验方法，没有一个系统性的归纳，需要自己总结。另外多说一句，书中只提到了一些常用的检验方法，不够全面，如果需要深入学习，还需要另外查阅资料。对于统计学的入门来说是一本好书，唯一的缺点是知识点相对显得散了一些。
简单明了
@2021-05-13 09:34:09
随手翻了翻，印刷精美，没有废话，作为数学书籍有一个最重要的优点：薄！日本人写科普书，还是很有特点，言简意赅但是又不失重要内容，工科生可以读一读，收获不小。
