编辑推荐
《华章教育·华章教材经典译丛:商务与经济统计(原书第12版)》由机械工业出版社出版。
作者简介
作者简介
戴维 R. 安德森（David R.Anderson）
戴维 R. 安德森是辛辛那提大学工商管理学院数量分析系教授。他出生在北达科他州大福克斯市，在普度大学获得学士、硕士和博士学位。安德森教授担任数量分析与运作管理系主任，并担任工商管理学院的副院长。此外，他还是学院首届教学大纲的协调人。
在辛辛那提大学，安德森教授不但为商科专业的学生讲授基础统计学，而且还讲授研究生水平的回归分析、多元分析和管理科学课程。他也在华盛顿特区的美国劳工部讲授统计学课程。他因在教学上和对学生组织服务方面的突出成就而荣获提名与奖励。
安德森教授已在统计学、管理科学、线性规划以及生产与运作管理领域与他人合作出版了10部著作。他是一位活跃在抽样和统计方法领域的咨询顾问。
丹尼斯 J. 斯威尼（Dennis J.Sweeney）
丹尼斯 J. 斯威尼是辛辛那提大学数量分析系教授和生产力提高中心主任。他出生在衣阿华州得梅因市，在德雷克大学获得工商管理学士学位，在印第安纳大学获得工商管理硕士和工商管理博士学位，并成为NDEA会员。斯威尼教授曾在宝洁公司管理科学小组工作，并在杜克大学作了一年的客座教授。斯威尼教授担任辛辛那提大学数量分析系主任和工商管理学院的副院长。
斯威尼教授已在管理科学与统计学领域发表和出版了30多篇论文和专著。国家科学基金、IBM公司、宝洁公司、美国联合百货（Federated Department Stores）、美国克罗格公司（Kroger）和辛辛那提天然气和电气公司等都曾对他的研究给予资助，这些研究的成果在《管理科学》《运筹学》、Mathematical Programming、《决策科学》等杂志上发表。
斯威尼教授在统计学、管理科学、线性规划、生产与运作管理等领域已与他人合作出版了10部专著。
托马斯 A. 威廉斯（Thomas A. Williams）
托马斯 A. 威廉斯是罗切斯特理工学院商学院的管理科学教授。他出生在纽约州埃尔迈拉市，在克拉克森大学获得学士学位，在伦斯勒工学院完成研究生学业并获得硕士和博士学位。
在进入罗切斯特理工学院商学院之前，威廉斯教授在辛辛那提大学工商管理学院从事了7年教学工作，他在那里制定了信息系统专业的本科教学计划，并且担任协调人。在罗切斯特理工学院，他是决策科学系的第一任主席。他不但讲授本科生的管理科学与统计学课程，而且还讲授研究生的回归与决策分析课程。
威廉斯教授在管理科学、统计学、生产与运作管理和数学领域与他人合作出版了11部专著。他为《财富》500强中多家公司提供咨询服务，从数据分析的使用到大型回归模型的开发，都在他的工作范围之内。
杰弗里 D. 卡姆（Jeffrey D. Camm）
杰弗里 D. 卡姆是辛辛那提大学数量分析教授，运营、商业分析与信息系统系主任，卡尔H.林德纳商学院商业研究院研究员。他出生在俄亥俄州辛辛那提市，在泽维尔大学获得学士学位，在克莱姆森大学获得博士学位。从1984年起他在辛辛那提大学工作，是斯坦福大学的访问学者和达特茅斯学院商学院工商管理客座教授。
卡姆博士在运营管理中优化问题应用领域发表了30多篇论文。他的研究成果发表在《科学》《管理科学》《运筹学》、Interfaces和其他专业杂志上。在辛辛那提大学工作期间，他被任命为教学优秀的Dornoff成员，并在2006年因运筹学实践教学获得了INFORMS奖。他是宣扬实践的坚定信徒。作为运筹学顾问，他服务于多家公司和政府机构。2005~2010年，他担任Interfaces总编辑，目前是INFORMS教育学报编委。
詹姆斯 J. 科克伦（James J. Cochran）
詹姆斯 J. 科克伦是路易斯安那理工大学拉斯顿银行授衔的数量分析教授。他出生在俄亥俄州的代顿市，在莱特州立大学获得学士、硕士和工商管理硕士学位，在辛辛那提大学获得博士学位。从2000年起在路易斯安那理工大学工作，是斯坦福大学、塔尔卡大学和南非大学的访问学者。
科克伦教授在运筹学和统计方法的发展和应用方面发表了超过24篇论文。他的研究发表在《管理科学》《美国统计》《统计通讯——理论与方法》《运营研究（欧洲版）》，Journal of Combinatorial Optimization和其他专业杂志上。在2008年他因运筹学实践教学获得了INFORMS奖，在2010年获Mu Sigma Rho统计教育奖。科克伦教授2005年入选国际统计学会，2010年成为美国统计协会会员。他以提高对实际问题应用质量的方法，强烈主张运筹学和统计学教育的有效性。科克伦教授在乌拉圭的蒙得维的亚、南非的开普敦、哥伦比亚的卡塔赫纳、印度的斋浦尔、阿根廷的布宜诺斯艾利斯、肯尼亚的内罗毕组织和主持教学效果研讨班。作为运筹学顾问，他服务于多家公司和非营利组织。目前他是INFORMS教育学报总编辑及Interfaces，The Journal of the Chilean of Operations Research及ORION的编委。
目录
译者序
前 言
作者简介
第1章 数据与统计资料1
实践中的统计：彭博商业周刊2
1.1 统计学在商务和经济中的应用3
1.2 数据4
1.3 数据来源8
1.4 描述统计11
1.5 统计推断12
1.6 计算机与统计分析13
1.7 数据挖掘13
1.8 统计实践的道德准则14
小结15
关键术语15
补充练习16
第2章 描述统计学Ⅰ：表格法和图形法19
实践中的统计：高露洁—棕榄公司20
2.1 汇总分类变量的数据21
2.2 数量型数据汇总24
2.3 用表格方式汇总两个变量的数据32
2.4 用图形显示方式汇总两个变量的数据37
2.5 数据可视化：创建有效图形显示的最佳实践39
小结44
关键术语45
重要公式45
补充练习45
案例2—1 Pelican商店47
案例2—2 电影业48
第3章 描述统计学Ⅱ：数值方法49
实践中的统计：Small Fry设计公司50
3.1 位置的度量50
3.2 变异程度的度量59
3.3 分布形态、相对位置的度量以及异常值的检测63
3.4 五数概括法和箱形图67
3.5 两变量间关系的度量71
3.6 数据仪表板：增加数值度量以提高有效性75
小结78
关键术语78
重要公式79
补充练习79
案例3—1 Pelican商店81
案例3—2 电影业82
案例3—3 亚太地区的商学院83
案例3—4 天使巧克力的网络交易84
案例3—5 非洲象数量84
第4章 概率86
实践中的统计：概率在救援中的应用87
4.1 试验、计数法则和概率分配88
4.2 事件及其概率94
4.3 概率的基本性质96
4.4 条件概率99
4.5 贝叶斯定理103
小结107
关键术语107
重要公式108
补充练习108
案例 Hamilton县的法官们110
第5章 离散型概率分布112
实践中的统计：花旗银行113
5.1 随机变量113
5.2 离散型概率分布115
5.3 数学期望与方差117
5.4 二元分布、协方差和金融资产组合119
5.5 二项概率分布125
5.6 泊松概率分布131
5.7 超几何概率分布134
小结136
关键术语137
重要公式137
补充练习138
第6章 连续型概率分布140
实践中的统计：宝洁公司141
6.1 均匀概率分布141
6.2 正态概率分布144
6.3 二项概率的正态近似150
6.4 指数概率分布151
小结154
关键术语154
重要公式154
补充练习154
案例 Specialty玩具公司155
第7章 抽样和抽样分布157
实践中的统计：MeadWestvaco有限公司158
7.1 EAI的抽样问题159
7.2 抽样159
7.3 点估计163
7.4 抽样分布简介165
7.5 x的抽样分布166
7.6 p的抽样分布171
7.7 点估计的性质174
7.8 其他抽样方法175
小结177
关键术语177
重要公式178
补充练习178
第8章 区间估计180
实践中的统计：Food Lion181
8.1 总体均值的区间估计：σ已知情形181
8.2 总体均值的区间估计：σ未知情形184
8.3 样本容量的确定190
8.4 总体比率191
小结194
关键术语194
重要公式195
补充练习195
案例8—1 YOUNG PROFESSIONAL杂志196
案例8—2 Gulf Real Estate Properties公司197
案例8—3 Metropolitan Research有限公司198
第9章 假设检验200
实践中的统计：John Morrell有限公司201
9.1 原假设和备择假设的建立201
9.2 第一类错误和第二类错误204
9.3 总体均值的检验：σ已知情形205
9.4 总体均值的检验：σ未知情形214
9.5 总体比率217
9.6 假设检验与决策220
9.7 计算第二类错误的概率220
9.8 对总体均值进行假设检验时样本容量的确定222
小结224
关键术语225
重要公式225
补充练习226
案例9—1 Quality Associates有限公司227
案例9—2 Bayview大学商科学生的道德行为228
第10章 两总体均值和比例的推断230
实践中的统计：美国食品与药物管理局231
10.1 两总体均值之差的推断：σ1和σ2已知231
10.2 两总体均值之差的推断：σ1和σ2未知235
10.3 两总体均值之差的推断：匹配样本240
10.4 两总体比例之差的推断243
小结247
关键术语247
重要公式247
补充练习248
案例10—1 Par公司249
第11章 总体方差的统计推断250
实践中的统计：美国审计总署251
11.1 一个总体方差的统计推断251
11.2 两个总体方差的统计推断257
小结261
重要公式261
补充练习261
案例 空军训练计划262
第12章 多个比率的比较、独立性及拟合优度检验263
实践中的统计：联合劝募协会264
12.1 三个或多个总体比率的相等性的检验264
12.2 独立性检验271
12.3 拟合优度检验275
小结280
关键术语281
重要公式281
补充练习281
案例 两党议程变更282
第13章 实验设计与方差分析283
实践中的统计：Burke市场营销服务公司284
13.1 实验设计和方差分析简介285
13.2 方差分析和完全随机化实验设计288
13.3 多重比较方法294
13.4 随机化区组设计299
13.5 析因实验302
小结306
关键术语307
重要公式307
补充练习308
案例13—1 Wentworth医疗中心309
案例13—2 销售人员的报酬310
第14章 简单线性回归312
实践中的统计：联盟数据系统（ALLIANCE DATA SYSTEMS）313
14.1 简单线性回归模型314
14.2 最小二乘法316
14.3 判定系数321
14.4 模型的假定325
14.5 显著性检验326
14.6 应用估计的回归方程进行估计和预测332
14.7 计算机解法336
14.8 残差分析：证实模型假定338
14.9 残差分析：异常值和有影响的观测值342
小结347
关键术语347
重要公式348
补充练习348
案例14—1 测量股票市场风险351
案例14—2 美国交通部351
案例14—3 挑选一台傻瓜型（point—and—shoot）数码相机352
案例14—4 找到最合适的汽车价值353
第15章 多元回归355
实践中的统计：dunnhumby356
15.1 多元回归模型356
15.2 最小二乘法358
15.3 多元判定系数362
15.4 模型的假定364
15.5 显著性检验365
15.6 应用估计的回归方程进行估计和预测369
15.7 分类自变量370
15.8 残差分析374
15.9 logistic回归378
小结386
关键术语386
重要公式387
补充练习388
案例15—1 消费者调查股份有限公司389
案例15—2 预测NASCAR车手的奖金390
案例15—3 找到最合适的汽车价值391
第16章 回归分析：建立模型392
实践中的统计：Monsanto公司393
16.1 一般线性模型393
16.2 确定什么时候增加或者删除变量402
16.3 大型问题的分析406
16.4 变量选择方法409
16.5 实验设计的多元回归方法413
16.6 自相关性和杜宾—瓦特森检验415
小结418
关键术语418
重要公式418
补充练习419
案例16—1 职业高尔夫球协会巡回赛的统计分析419
案例16—2 产自意大利皮埃蒙特地区的葡萄酒评级420
第17章 时间序列分析及预测422
实践中的统计：内华达职业健康诊所423
17.1 时间序列的模式424
17.2 预测精度428
17.3 移动平均法和指数平滑法431
17.4 趋势推测法437
17.5 季节性和趋势445
17.6 时间序列分解法449
小结456
关键术语457
重要公式457
补充练习458
案例17—1 预测食品和饮料的销售459
案例17—2 预测损失的销售额460
第18章 非参数方法461
实践中的统计：West Shell Realtors公司462
18.1 符号检验462
18.2 威尔科克森符号秩检验467
18.3 曼—惠特尼—威尔科克森检验470
18.4 克鲁斯卡尔—沃利斯检验475
18.5 秩相关477
小结480
关键术语480
重要公式480
补充练习481
第19章 质量管理的统计方法482
实践中的统计：陶氏化学公司483
19.1 理念和框架484
19.2 统计过程控制486
19.3 接受抽样495
小结501
关键术语501
重要公式502
补充练习502
第20章 指数503
实践中的统计：美国劳工部，劳工统计局504
20.1 价比504
20.2 综合物价指数505
20.3 根据价比计算综合物价指数507
20.4 一些重要的价格指数508
20.5 根据物价指数减缩一个数列510
20.6 物价指数：其他注意事项511
20.7 物量指数512
小结513
关键术语514
重要公式514
补充练习514
附录A 参考文献
附录B 统计表格
附录C 自测题解答与偶数题答案
附录D Microsoft Excel 2010和统计分析工具
附录E 利用Minitab和Excel计算p—值
文摘
在2.5节，我们给出了用于描述汇总和表述数据集信息的图形显示效用的数据可视化术语的简介。数据可视化的目的是尽可能有效和清晰地传递数据的重要信息。数据可视化工具使用最广泛的一种是数据仪表板。数据仪表板是一个直观显示的集合，这个直观显示以易于阅读、了解和解释的方式组织和表述用于监控公司或机构业绩的信息。本节，我们演示数值度量的增加如何能提高显示整体的有效性，来延伸数据仪表板的讨论。
关键表现指标（ KPIs）（如平均数和标准差）数值度量的增加，对数据仪表板来说至关重要，因为数值度量常常提供KPIs评估的基准和目标。另外，数据仪表板也常常包括含有数值度量的图形显示，将数值度量作为显示的一个组成部分。我们必须牢记，数据仪表板的用途是以易于阅读、了解和解释的方式提供KPIs信息。增加数值度量和利用数值度量的图表可以帮助我们实现这些目标。
电子版地址：
https://weidian.com/item.html?itemID=2536273806
微信：K517855150
最新评论