內容說明:
商品資料
作者：石井俊全
出版社：楓葉社
出版年：2021
課程類型：科學科普>數學
檔案格式：PDF
ISBN：9789863703488
書籍簡介
大數據時代，用統計學為你的履歷加分
推薦給所有勇於跨領域、學習新知的專業職場人！
生活在互聯網的時代，統計學的知識在所有的領域都不可或缺。
但是統計學的知識，有其嚴謹的定義和使用框架。
儘管我們在學生時代學過基本的統計方法，比如平均數、中位數、標準差、機率，但是實際面對市場調查或財務報表時，往往也不知道該如何運用這些數據幫助我們分析現況、對未來下決策。
實際上，即使是經常在實務中應用統計方法的人，往往在接手全新的專案時，便沒辦法比照舊有方法，導致所學知識派不上用場。即使想認真學習，也常因為統計學是一門專業科目，若非花費大筆報名費用參加課程，便是得尋覓坊間參考書自行鑽研，而在學習上浪費大量的時間。
本書正是為所有想學習統計學的人，提供最有效率的學習途徑。
書中彙整重要的公式、定理、統計方法和理論，以跨頁形式歸納基本內容，並透過生活實例示範該統計方法的應用範疇。
本書架構根據應用類型，分為以下11個大類別：
●敘述統計你認為國民的所得平均值是多少？這個數值能代表你的所得嗎？
●相關關係取一個數值，表現工作時數與睡眠時數的相關性
●機率能從過去的中獎結果，預測下次的中獎號碼？
●機率分布五次推銷，能夠成功簽約的機率是多少？
●估計節目收視率差1％，這樣的差距算大嗎？
●檢定想證明新藥是否有療效，證據就是檢定
●無母數檢定東京某醫科大學的錄取率，是否存在性別差異？
●迴歸分析一個公式，就能預測高級葡萄酒的價格
●變異數分析與多重比較法輕鬆排定工讀生的排班表
●多變量分析透過結構分析調整組織，使人才能夠適得其所
●貝氏統計信箱過濾器簡單區分垃圾郵件的方法
從國高中學習的「資料整理」與「機率和統計」，到大學或專業科目深究的「估計」、「檢定」、「迴歸分析」與「多變量分析」，乃至於大數據時代不可或缺的「貝氏統計」。
本書涵蓋目前統計學所有的應用領域，並以大百科的檢索條目般一一羅列，有助於初學者掌握整體的面貌。
據說特斯拉的創始人伊隆馬斯克，在9歲時就讀完整部大英百科全書。
本書作為統計學的百科全書，儘管不能保證各位在創業時，業績能像火箭一飛沖天，但絕對能讓你成為具備統計觀的一流商務人士。
在資訊愈來愈多樣、數量不斷增加且產生速度飛快的未來，唯有運用統計學，才能幫助我們的命運進行貝氏更新。
本書特色
◎專書彙整113個廣泛應用於各領域的統計學公式和定理，讓需要統計學的人學習更有效率。
◎每一節以五顆星標示「難易度」、「實用性」與「考試機率」，重點觀念一目瞭然。
◎獨立專欄列舉實例，讓初學者快速掌握統計學在日常生活的實際應用。
※因應印刷需要，內頁預覽顏色與實際印刷不同，敬請見諒。※
作者簡介
作者簡介
石井俊全
1965年生於東京。東京大學建築系畢業，取得東京工業大學數學系碩士學位。現為「大人的數學教室 和」講師。
主要著作有《算だけで統計！》、《まずはこの一冊から 意味がわかる統計》、《まずはこの一冊から 意味がわかる多量解析》、《1冊でマスタ 大の統計》、《1冊でマスタ 大の微分積分》、《1冊でマスタ 大の線形代》、《線性代數不過如此！》等多部書籍。
譯者簡介
趙鴻龍
畢業於輔仁大學統計資訊系，對日本歷史文化情有獨鍾。譯有《一生受用的統計學思維》、《經營戰略全史：確立篇＆革新篇》、《商業模式全史：創世紀篇＆新世紀篇》、《懶人最需要的高效率「極簡整理術」》、《鍛鍊思考力：提升判斷、預測、邏輯的大腦革新術》等書。
章節
- 1 資料尺度
- 02 次數分配表和直方圖
- 03 柏拉圖
- 04 上下標和sigma符號
- 05 平均、變異數、標準差
- 06 次數分配表與平均值、變異數
- 07 代表值
- 08 變數的標準化
- 09 偏度、峰度
- 10 四分位數、盒鬚圖
- 11 交叉表
- 12 圓餅圖、橫條圖、折線圖
- 13 散佈圖
- 14 羅倫茲曲線
- 15 Q-Q圖
- 01 皮爾森相關係數
- 02 斯皮爾曼等級相關係數
- 03 肯德爾等級相關係數
- 04 克雷莫V係數
- 05 相關係數的估計和檢定
- 06 自我相關係數
- 01 事件與機率
- 02 取捨原理
- 03 離散型隨機變數
- 04 連續型隨機變數
- 05 累積分布函數
- 06 期望值、變異數
- 07 獨立事件和獨立隨機變數
- 08 隨機變數的和與積
- 09 二維隨機變數（離散型）
- 10 二維隨機變數（連續型）
- 11 期望值和變異數的公式
- 12 大數法則、中央極限定理
- 13 柴比雪夫不等式
- 01 伯努利分布、二項分布
- 02 幾何分布、負二項分布
- 03 卜瓦松分布
- 04 超幾何分布
- 05 均勻分布、指數分布
- 06 常態分布
- 07 X分布、t分布、F分布（概述）
- 08 X分布、t分布、F分布（詳述）
- 09 韋伯分布、柏拉圖分布、對數常態分布
- 10 多項分布
- 11 多維常態分布
- 01 抽出放回和抽出不放回
- 02 抽樣方法
- 03 最大概似法
- 04 區間估計的結構
- 05 常態母體的母體平均數區間估計
- 06 母體比例的區間估計
- 07 估計量的評價基準
- 08 不偏估計量
- 01 檢定的原理和步驟
- 02 檢定統計量
- 03 檢定的錯誤
- 04 常態母體的母體平均數檢定
- 05 常態母體的母體變異數檢定
- 06 母體平均數差的檢定（1）
- 07 母體平均數差的檢定（2）
- 08 母體比例差的檢定
- 09 變異數同質性檢定
- 01 適合度檢定
- 02 獨立性檢定（2×2的交叉資料表）
- 03 獨立性檢定（k×l 的交叉資料表）
- 04 費雪精確檢定
- 05 McNemar檢定
- 06 Cochran 的Q檢定
- 07 Mann-Whitney的U檢定
- 08 符號檢定
- 09 Wilcoxon符號等級檢定
- 10 Kruskal-Wallis 檢定
- 11 Friedman檢定
- 01 單變量迴歸分析
- 02 複迴歸分析
- 03 複相關係數和偏相關係數
- 04 多重共線性
- 05 單變量迴歸分析的區間估計
- 06 邏輯式迴歸分析、Probit迴歸分析
- 07 一般線性模型和一般化線性模型（GLM）
- 01 變異數分析（概述）
- 02 單因子變異數分析
- 03 雙因子變異數分析（無重複試驗）
- 04 雙因子變異數分析（有重複試驗）
- 05 費雪三原則
- 06 正交陣列表
- 07 Bonferroni 法和Holm法
- 08 Scheff法
- 09 Tukey-Kramer法
- 01 主成分分析（概述）
- 02 主成分分析（詳述）
- 03 判別分析（概述）
- 04 判別分析（詳述）
- 05 馬哈拉諾比斯距離
- 06 數量化Ⅰ類、Ⅱ類
- 07 數量化Ⅲ類、對應分析
- 08 因子分析
- 09 共變異數結構分析
- 10 階層式集群分析
- 11 多元尺度法（MDS）
- 01 條件機率
- 02 單純貝氏分類器
- 03 貝氏定理
- 04 貝氏更新（離散版）
- 05 蒙提霍爾問題
- 06 貝氏更新（連續版）
- 07 共軛事前分布
- 08 KL散度
- 09 AIC（赤池訊息量準則）
- 10 蒙地卡羅積分
- 11 Gibbs抽樣法
- 12 Metropolis-Hastings 演算法
- 13 貝氏網路