基本信息
- 商品名称：大数据时代下的统计学(第2版)/大数据及人工智能产教融合系列丛书
- 作者：编者:杨轶莘
- 定价：59
- 出版社：电子工业
- 书号：9787121370878
其他参考信息（以实物为准）
- 出版时间：2019-09-01
- 印刷时间：2019-09-01
- 版次：2
- 印次：1
- 开本：16开
- 包装：平装
- 页数：185
- 字数：245千字
编辑推荐语
《大数据时代下的统计学（第2版）》讲述在“数据为王”的时代下，统计学作为分析、解读数据的学科，如何为商业、社会、生活等领域提供决策支持。
内容全：包括五大统计学专业方向，62个统计学知识点
学得会：47个经典的统计学案例，让你随时随地轻松学习
用得着：在大数据时代背景下，统计学无处不在
内容提要
本书从大数据切入，引入与之息息相关的统计学，深入浅出地讲述了在“数据为王”的时代下，统计学作为分析、解读数据的学科，如何为商业、社会、生活等领域提供决策支持。全书分为8章，第1章概述了大数据时代下的统计学，讲解了统计学的基本原理、应用领域及数据的获取方法。第2、3章讲述了统计学在思想方法及数据表述上和大数据处理方法的异同；第4章介绍了对统计学影响深远的正态分布；第5章探讨了在大数据时代统计推断是否失效；第6章重点从统计学视角讲述了大数据时代 热门的变量间的“相关性”问题；第7章以一种比较开放的态度讨论统计学中一些有意思又实用的话题；第8章探讨大数据能够给企业、用户及整个社会带来的价值。本书不仅可以使读者感受到数字的美感和哲学的智慧，还可以使读者获得思辨的洞察力。 重要的是，拥有本书就相当于拥有了一种 ，其中数据驱动的思维模式将会使读者在生活、工作中受益匪浅。
目录
目 录
第1章 大数据时代下的统计学1
1.1 统计学——天使还是恶魔2
【知识点】统计学的定义2
1.2 概率——上帝的指引3
【案例1】硬币的指引3
【案例2】赌徒的错觉4
【知识点1】随机性5
【知识点2】概率5
1.3 小概率事件≠必然不会发生的事件7
【案例】挑战者号航天飞机失事7
【知识点】“必然会发生”的事件和“必然不会发生”的事件7
1.4 你真的了解数据吗？8
【案例】淘宝的客户评价体系9
【知识点】数据的类型10
1.5 数据来自哪里？11
【案例】大数据，大偏差——谷歌的流感预测模型真的靠谱吗？12
【知识点1】 数据13
【知识点2】相关关系和因果关系13
第2章 样本魅影15
2.1 样本——窥一斑而见全豹，观滴水而知沧海16
【案例1】客户满意度调查16
【案例2】救护车垄断业务调查17
【知识点】随机样本、方便样本和自愿回应样本18
2.2 抽样——尝一勺锅里的靓汤20
【案例1】红豆和绿豆20
【案例2】“捉放法”估算鱼苗成活率21
【案例3】被解雇的市场调研部员工22
【知识点1】简单随机抽样23
【知识点2】抽样中存在的错误风险24
【知识点3】访问员25
2.3 不回应误差——沉默不是金26
【案例】“不回应”的影响有多大26
【知识点1】不回应27
【知识点2】如何降低不回应率27
2.4 措辞的艺术——僧推/敲月下门29
【案例】几字之差对民众支持率的影响29
【知识点1】响应误差30
【知识点2】有效性和可靠性30
2.5 大数据时代，当“样本”已成往事32
【案例】Farecast，美国创业梦32
【知识点】大数据的4V特征33
第3章 描述数据36
3.1 均值——可能会说谎的天平37
【案例1】中关村创业者平均年龄39岁37
【案例2】令人“啼笑皆非”的统计局数据38
【知识点】均值计算38
3.2 寻找中位数39
【案例1】腾讯笔试题：大数据量寻找中位数39
【案例2】淘宝卖家评分体系40
【知识点1】求取中位数42
【知识点2】四分位数42
3.3 标准差、标准误，傻傻分不清楚45
【案例1】均值-方差证券资产组合理论45
【案例2】语文成绩调研45
【知识点1】标准差46
【知识点2】标准误47
3.4 数据可视化——“云想衣裳花想容”49
【知识点1】什么是数据可视化？50
【知识点2】数据可视化的主要应用50
【知识点3】数据可视化的工具51
第4章 正态“ ”53
4.1 期望——量化你的预期54
【案例1】掷骰子和伯努利试验54
【案例2】赌场就是概率场55
【知识点1】概率分布56
【知识点2】期望57
【知识点3】方差59
4.2 大数定律——为什么十赌九输60
【案例1】澳门风云60
【案例2】谁会是被骗的人61
【知识点】大数定律62
4.3 正态分布——大道至简，大美天成63
【案例】高尔顿钉板63
【知识点】正态分布64
4.4 中心极限定理66
【案例】肯德基和麦当劳的博弈66
【知识点】中心极限定理67
第5章 统计推断70
5.1 点估计——统计学家比间谍干得漂亮71
【案例1】第二次世界大战中的德军坦克数71
【案例2】 新鲜咖啡速递服务企业72
【知识点1】样本统计量和总体参数73
【知识点2】点估计74
5.2 置信区间——责善切戒尽言75
【案例】美国盖洛普公司的民意调查75
【知识点1】置信水平76
【知识点2】置信区间76
5.3 两类错误：有罪被判无罪和无罪被判有罪哪个 严重78
【案例1】法律中的人文精神78
【案例2】抗击埃博拉要避免两类错误79
【知识点1】零假设和备择假设80
【知识点2】两类错误81
5.4 假设检验——“凑巧”可以拒 吗？82
【案例1】奶茶情缘82
【案例2】咖啡新鲜吗？84
【知识点1】显著性水平85
【知识点2】p值85
【知识点3】统计显著86
【知识点4】统计显著对比实际显著86
【知识点5】假设检验对比置信区间87
【知识点6】单侧检验对比双侧检验87
5.5 p 值——打开“潘多拉魔盒”的钥匙89
【案例】p值变了，结果就变了90
【知识点1】p值的历史和思想91
【知识点2】p值误用92
第6章 变量间的关系94
6.1 卡方分析——细腻的眼神里岂容得半粒沙94
【案例1】仙道迟到事件发生率分析94
【案例2】性别和文化程度是相互独立的吗？95
【知识点1】卡方分布96
【知识点2】卡方检验97
6.2 相关性分析——早起的鸟儿有虫吃100
【案例1】早起的鸟儿有虫吃100
【案例2】化妆品销售额与广告费的关系分析101
【知识点1】相关关系102
【知识点2】相关分析103
【知识点3】相关表、相关图和相关系数104
【知识点4】t统计量105
6.3 ANOVA——地域，我们没有什么不同105
【案例】“地域歧视”问题105
【知识点1】方差分析106
【知识点2】方差分析统计模型107
【知识点3】离差平方和及其分解109
【知识点4】均方110
【知识点5】F统计量111
【知识点6】方差分析表112
6.4 回归分析——对不起，其实我也想长高116
【案例1】子女身高的遗传发现116
【案例2】身高的地区差异分析117
【知识点1】回归分析118
【知识点2】随机误差项119
【知识点3】 小二乘法119
【知识点4】回归分析T检验121
【知识点5】回归分析F检验122
【知识点6】拟合优度123
第7章 统计杂谈124
7.1 为什么对回归情有独钟124
【回归和电影】126
【回归和手游】128
7.2 调查问卷中的分类变量132
【疼痛】133
【Rank-Invariant】135
【Svensson Method】135
【工作环境和员工满意度】137
7.3 条件概率139
【生男生女的问题】140
【门后的世界：到底是谁错了】141
7.4 极大似然估计——看起来 像144
【白狐，iPhone 6 Plus和房价】144
7.5 统计软件146
【名门闺秀SAS】147
【国民初恋SPSS】148
【小家碧玉Stata，Minitab，Excel】148
【清新萝莉R】150
7.6 贝叶斯151
【起源】152
【核心思想】153
【自拍杆和蓝牙耳机】155
7.7 来自星星的统计陷阱157
【问卷调查的潜在陷阱】157
【王老吉状告加多宝】158
第8章 大数据，在水一方161
8.1 洛阳纸贵——大数据思维161
【案例1】罩杯和“败家”程度166
【案例2】外滩踩踏事件168
【案例3】大数据和途牛网170
8.2 大数据驱动运营171
【案例】DataEye，数据驱动手游运营176
8.3 商业智能——决策者的锦囊178
【案例】广告业的商业智能179
8.4 市场智能——商业智能的衍生智慧180
8.5 消费智能——当数据成为一种服务183
