统计学是一门工具性学科，在众多的学科领域有着广泛的应用。本书将统计学的概念与方法应用于商务领域，从应用层面对统计学的基本方法进行了系统的讲解。全书包括四部分：探索和收集数据，理解数据和分布，探索变量间的关系，以及为决策建立模型。全书共24章，将方法的讲解与商务领域中的现实案例紧密结合起来，使读者掌握如何利用统计方法解决商务中的实际问题。本书还将统计软件与统计方法的应用结合起来，详细介绍各种统计方法在Excel、Minitab、]MP、SPSS和DataDesk等软件中的操作实现步骤。
  　 本书既有坚实的理论基础，又有丰富的应用实例，是工商管理专业学生以及商务人士的必备书籍，对于其他相关专业的学生以及相关管理人员和研究人员也是一本很有裨益的参考书。

本书作者知名度高，团队较强。写作风格结合实际案例，部分习题给出参考答案。

　　Norean Radke Sharpe曾在鲍登学院（Bowdoin College）和巴布森学院（BabsonCollege）讲授统计学，还曾在耶鲁大学从事研究工作，目前是乔治城大学（GeorgetownUniversity）教授。Richard D. DeVeaux是国际知名的教育家，曾在沃顿商学院和普林斯顿大学讲授过统计学，为美国运通、惠普、美国铝公司、杜邦、Pillsbury、通用电气、化学银行等“财富500强”企业做过咨询，目前是威廉姆斯学院（WilliamsCollege）统计学教授。Paul F. Velleman在创新性统计教育方面具有国际声望，任教于康奈尔大学，是DataDescription公司的创始人和CEO，设计了Data Desk＆reg;软件包。

第1篇数据探索和数据收集
第1章统计学与变异
1.1什么是统计学
1.2本书有何用处第2章数据
2.1什么是数据
2.2变量类型
2.3Where、How和When
2.4小结
2.5技术帮助
2.6微型案例研究项目
2.7习题第3章调查与抽样
3.1抽样调查三原则
3.2是否需要普查
3.3总体和参数
3.4简单随机样本（SRS）

第1篇数据探索和数据收集
第1章统计学与变异
1.1什么是统计学
1.2本书有何用处第2章数据
2.1什么是数据
2.2变量类型
2.3Where、How和When
2.4小结
2.5技术帮助
2.6微型案例研究项目
2.7习题第3章调查与抽样
3.1抽样调查三原则
3.2是否需要普查
3.3总体和参数
3.4简单随机样本（SRS）
3.5其他抽样设计
3.6定义总体
3.7有效调查
3.8小结
3.9技术帮助：随机抽样
3.10微型案例研究项目
3.11习题第4章显示和描述分类数据
4.1数据分析的3条规则
4.2频数表
4.3图
4.4列联表
4.5小结
4.6技术帮助:在计算机上显示
分类数据
4.7微型案例研究项目
4.8习题第5章随机性和概率
5.1随机现象和概率
5.2不存在的平均数定律
5.3不同类型的概率
5.4概率法则
5.5联合概率和列联表
5.6条件概率
5.7构建列联表
5.8小结
5.9微型案例研究项目
5.10习题第6章显示和描述定量数据
6.1显示分布
6.2形状
6.3中心
6.4分布的离散度
6.5形状、中心和离散度的概括
6.6五数概括和箱线图
6.7组间比较
6.8确认异常值
6.9标准化
6.10时间序列图
*6.11变换有偏的数据
6.12小结
6.13技术帮助：显示和概括定量
变量
6.14微型案例研究项目
6.15习题
第2篇理解数据和分布
第7章散点图、关联和相关
7.1观察散点图
7.2在散点图中指定变量的
角色
7.3理解相关关系
*7.4直线型散点图
7.5潜在变量和因果关系
7.6小结
7.7技术帮助：散点图和相关
系数
7.8微型案例研究项目
7.9习题第8章线性回归
8.1线性模型
8.2相关性和直线
8.3向均值的回归
8.4模型检验
8.5从残差中学习更多知识
8.6模型的变异和R2
8.7真实性检验：回归是否
合理
8.8小结
8.9技术帮助：回归
8.10微型案例研究项目
8.11习题第9章抽样分布和正态模型
9.1样本比例分布的建模
9.2模拟
9.3正态分布
9.4练习正态分布的计算
9.5比例的抽样分布
9.6假设和条件
9.7中心极限定理
——统计学中的基本定理
9.8均值的抽样分布
9.9样本容量的收益递减性
9.10抽样分布模型的原理
9.11小结
9.12微型案例研究项目
9.13习题第10章比例的置信区间
10.1置信区间
10.2误差幅度：确定性与
精确性
10.3临界值
10.4假设与条件
*10.5小样本的置信区间
10.6选择样本容量
10.7小结
10.8技术帮助：比例的置信
区间
10.9微型案例研究项目
10.10习题第11章比例的假设检验
11.1假设
11.2作为假设检验的审判
11.3P值
11.4假设检验的原理
11.5备择假设
11.6α水平与显著性
11.7临界值
11.8置信区间与假设检验
11.9两类错误
*11.10检验的效力
11.11小结
11.12技术帮助
11.13微型案例研究项目
11.14习题目录商务统计学第12章均值的置信区间和
假设检验
12.1均值的抽样分布
12.2均值的置信区间
12.3假设与条件
12.4解释置信区间时需要注意的
地方
12.5单样本t检验
12.6样本容量
*12.7自由度为什么是n-1
12.8小结
12.9技术帮助：均值推断
12.10微型案例研究项目
12.11习题第13章比较两个均值
13.1检验两个均值的差异
13.2两样本t检验
13.3假设和条件
13.4两均值差的置信区间
13.5合并的t检验
*13.6图基快速检验
13.7小结
13.8技术帮助：两样本方法
13.9微型案例研究项目
13.10习题第14章配对样本与区组划分
14.1配对数据
14.2假设和条件
14.3配对t检验
14.4配对t检验的原理
14.5小结
14.6技术帮助：配对t方法
14.7微型案例研究项目
14.8习题第15章计数的推断：卡方检验
15.1拟合优度检验
15.2解释卡方值
15.3检测残差
15.4齐性的卡方检验
15.5比较两个比例
15.6独立性的卡方检验
15.7小结
15.8技术帮助：卡方
15.9微型案例研究项目
15.10习题
第3篇研究变量之间的关系
第16章回归的推断
16.1总体和样本
16.2假设和条件
16.3斜率的标准误
16.4对回归斜率的检验
16.5相关性的假设检验
16.6预测值的标准误
16.7使用置信区间和预测区间
16.8小结
16.9技术帮助：回归分析
16.10微型案例研究项目
16.11习题第17章对残差的理解
17.1检验各组的残差
17.2外推和预测
17.3不寻常和异常的观测值
17.4处理汇总值
17.5自相关
17.6线性性
17.7转换（变换）数据
17.8幂变换阶梯
17.9小结
17.10技术帮助
17.11微型案例研究项目
17.12习题第18章多元回归
18.1多元回归模型
18.2解释多元回归的系数
18.3多元回归模型的假设和
条件
18.4检验多元回归模型
18.5调整后的R2和F统计量
*18.6Logistic回归模型
18.7小结
18.8技术帮助：回归分析
18.9微型案例研究项目
18.10习题第19章建立多元回归模型
19.1指示（或虚拟）变量
19.2不同斜率的调整——交互
效应项
19.3多元回归诊断
19.4建立回归模型
19.5共线性
19.6二次项
19.7小结
19.8技术帮助：计算机回归
分析
19.9微型案例研究项目
19.10习题第20章时间序列分析
20.1什么是时间序列
20.2时间序列成分
20.3平滑方法
20.4简单移动平均法
20.5加权移动平均
20.6指数平滑法
20.7概括预测误差
20.8自回归模型
20.9随机游走
20.10基于多元回归的模型
20.11加法和乘法模型
20.12循环和不规则成分
20.13基于回归模型的预测
20.14时间序列预测方法的
选择
20.15解释时间序列模型：再次考察
全食超市的数据
20.16小结
20.17技术帮助
20.18微型案例研究项目
20.19习题
第4篇决策建模
第21章随机变量和概率模型
21.1随机变量的期望值
21.2随机变量的标准差
21.3期望值和方差的性质
21.4离散概率模型
21.5连续型随机变量
21.6小结
21.7微型案例研究项目
21.8习题第22章决策与风险
22.1行动、自然状态和结果
22.2收益表和决策树
22.3最小化损失和最大化收益
22.4行动的期望值
22.5具有完全信息的期望值
22.6样本信息下的决策
22.7估计变异性
22.8灵敏度
22.9模拟
22.10概率树
22.11条件的反转：贝叶斯准则
22.12更加复杂的决策
22.13小结
22.14微型案例研究项目
22.15习题第23章实验的设计、分析及观察性
研究
23.1观察性研究
23.2随机化的比较实验
23.3实验设计的四大原则
23.4实验设计
23.5设盲和安慰剂
23.6混杂变量和潜在变量
23.7单因素设计分析——
单因素方差分析法
23.8方差分析的假设和条件
*23.9多重比较
23.10观测数据的方差分析
23.11多因子设计分析
23.12小结
23.13微型案例研究项目
23.14习题第24章数据挖掘概述
24.1直接营销
24.2数据
24.3数据挖掘的目标
24.4数据挖掘的误区
24.5成功的数据挖掘
24.6数据挖掘问题
24.7数据挖掘的算法
24.8数据挖掘过程
24.9总结
24.10小结习题答案附录A部分公式和表