预购商品
书目分类
特别推荐
前言 本書的使用方法 序章～寫在學習統計之前 序章1 到底是什麼統計學？ 序章2 生活充滿統計，以及致富線索 專欄 世界三大謊言 序章3 升職、加薪都離不開統計學 序章4 改變視角、早一步占得先機 序章5 面對統計數據，掌握工具、冷靜分析 專欄 錯誤的統計不會消失 序章6 超困難的計算，交給電腦就好 專欄 從古埃及就開始使用統計學了 序章7 測驗時間：你跟統計有多熟？ 專欄 老學不會統計？問題不在你身上 第1章 統計學的基礎～情報致富的祕密，從資料整理開始 1-1 原始數據是統計學的命脈～「個別數據」很重要 專欄 原始資料、次級資料、開放式資料與封閉式資料 1-2 統計資料種類多，你確定有看懂？～數量資料與質的資料 專欄 質的資料與數量資料的進一步分類 1-3 以表單彙整資料才清楚～資料整理是有規則的 1-4 把表單變圖表，資料更清晰～直方圖與次數分配曲線 專欄 圖表是否會隨著縮小組距而消失？ 1-5 看懂各式圖表，數據不誤判～圓餅圖、長條圖、折線圖…… 1-6 一個數字就能展現資料特徵～代表值與離散程度 專欄 什麼是峰度與偏度？ 1-7 生活中最常見的「平均數」 1-8 利用「中位數」避免極端值干擾 1-9 生產商品，看「眾數」更適合 1-10 平均數、中位數、眾數與圖表 專欄 L型分配中的平均數、中位數與眾數 1-11分散程度如何影響資料判斷？ 專欄 四分位差（Quartile Deviation, QD） 1-12 統計學中最重要的「變異數」 專欄 變異數會因單位不同而改變 1-13 變異數的分身「標準差」 專欄 數學上較易處理的差值平方和與變異數 1-14 使用標準化統一規格 1-15 數值經過標準化才有意義 專欄 學校老師最愛把統計數字掛在嘴邊 1-16 人生也有標準差與偏差值嗎？ 第2章 機率的基本概念～買樂透、抽樣調查、預測未來全是機率 2-1 推論統計學的基礎：機率 專欄 隨機抽樣是推論統計學的重要概念 2-2 世界處處充滿隨機資訊 專欄 透過Excel體驗隨機 2-3 可在生活中驗證的「統計機率」 2-4 一般說的機率是指「數學機率」 專欄 小小骰子，其實大有學問 2-5 用隨機變數，把文字化為數字 2-6 從相對次數分配到機率分配 2-7 隨機變數的平均數、變異數、標準差 2-8 機率分配的女王：常態分配 專欄 常態分配中的機率和標準差σ 2-9 容易使人受騙的母體、樣本與抽樣 專欄 隨機撥號抽樣法（RDD法） 2-10 樣本該不該放回去？～放回抽樣、不放回抽樣 專欄 不同的樣本，抽取方式的總數量各是多少？ 2-11 母體分配和樣本分配 2-12 推論統計學的重要工具～中央極限定理 專欄 生活中的小遊戲也跟隨機分配大有關聯 第3章 推論統計學～讓你聞一知十、搶占先機，工作處理快又有效率 3-1 搞懂統計，對工作大有助益 3-2 只用一個數據就能推估全體～點估計 專欄 內閣支持率會隨媒體立場而有巨大差異 3-3 抽樣區間也是關鍵～區間估計 3-4 區間估計的公式怎麼來？～從中央極限定理推導 3-5 信賴水準到底是什麼意思？～信賴水準95％、99％ 3-6 優良的估計量必須具備不偏性 專欄 具備不偏性、一致性和有效性，才是良好估計量 3-7 變數並不代表可任意變動～自由度 3-8 以100人的資料推估全體（區間估計實例1：大樣本） 3-9 以10人的資料推估全體（區間估計實例2：小樣本） 3-10 比例的區間估計（區間估計實例3：母體比例） 3-11 用上帝視角檢視估計～區間估計真的準確嗎？ 第4章 統計的假設檢定～推翻原本的假設，不被數據誤導 4-1 判斷資料的重要方法：統計檢定 4-2 設定拒絕域，驗證資料正確性 專欄 假設檢定同樣以機率分配為基礎 4-3 小心疏忽和含糊的錯誤～檢定的兩個錯誤 4-4 統計檢定的四個步驟 專欄 硬幣正反面的重量不一樣？ 4-5 以100人的資料進行母體平均數假設檢定（假設檢定實例1：大樣本） 4-6 以10人的資料進行母體平均數假設檢定（假設檢定實例2：小樣本） 專欄 司徒頓t分配 4-7 以100人的比率推估母體比例假設檢定（假設檢定實例3：母體比例） 4-8 用上帝視角檢視檢定～如何捨棄或接受虛無假設？ 專欄 什麼是變異數分析？ 第5章 用相關分析找出資料關聯性～提升業績、預測銷售都靠它 5-1 將變數間的關係視覺化～相關圖（散布圖） 專欄 小心，假相關騙了你 5-2 用正負值判斷變數間的相關性～共變異數 5-3 廣告預算下得越多，銷售額就越高嗎？～相關係數 5-4 用表單呈現兩變數間的關係～交叉表 專欄 可同時分析多個變數的多變量分析 第6章 預測未來的迴歸分析～職場上不可或缺的武器 6-1 以廣告預算預測銷售額：簡單線性迴歸分析 6-2 你的預測準確度有多高？：判定係數 6-3 以廣告預算及銷售員人數預測銷售額：複迴歸分析 專欄 為什麼要取名「迴歸」？ 6-4 用經營者視角般分析公司：迴歸分析應用 專欄 調整自由度，判定係數更精準 第7章 AI時代最被看重的貝式統計學～從丟硬幣到大數據都用得上 7-1 丟硬幣出現正反面的機率，並非正好一半 專欄 科摩哥洛夫的機率公理 7-2 貝式定理必備的符號和術語 7-3 賭博、醫療都派得上用場：超厲害的貝式定理 專欄 貝氏定理發現者：湯瑪士．貝葉斯 7-4 什麼！機率會隨著經驗改變？ 7-5 垃圾郵件終結者：貝氏過濾法 專欄 在現代社會大放異彩的貝式定理 附錄 附錄1 序章7的統計測驗答案 附錄2 LINEST函數的使用方式 附錄3 各式機率分配簡介 附錄4 排列組合簡介 附錄5 獨立試驗與重複試驗 附錄6 中央極限定理的實例說明 附錄7 用貝氏定理計算硬幣的機率問題 附錄8 如何將「資料分析」工具新增至Excel？ 附錄9 1-3節的測驗解答
作者簡介 涌井良幸 1950年生於東京都，東京教育大學（現在的筑波大學）數學系畢業，任教於千葉縣立高等學校；從教職退休後便以作家身分致力於寫作。 涌井貞美 1952年生於東京，在東京大學理學系研究科修士課程結業後，歷經富士通、神奈川縣立高等學校教師等，目前為一名獨立科學作家。 譯者簡介 陳畊利 臺北大學經濟學系畢業，現為自由譯者。曾旅居日本及加拿大數年，喜歡用日文交朋友，悠遊在日文浩瀚的世界。 賜教信箱：[email protected]
客服公告
热门活动
订阅电子报
