新書推薦：
《
WebGIS原理及开发——基于开源框架的WebGIS技术
》
售價：NT$
442.0
《
舵手证券图书 周期与龙头 A股剑客著 解密龙头股周期性循环 游资操盘手法实战解读
》
售價：NT$
941.0
《
华夏衣裳：汉服制作实例教程
》
售價：NT$
834.0
《
狂飙年代：18世纪俄国的新文化和旧文化（第一卷）
》
售價：NT$
885.0
《
电气线路互联系统（EWIS）设计实践指南 达索析统（上海）信息技术有限公司
》
售價：NT$
834.0
《
商学精要（第12版）（工商管理经典译丛）
》
售價：NT$
554.0
《
产业政策的选择及其经济后果
》
售價：NT$
722.0
《
战争的幽灵
》
售價：NT$
493.0
|
| 內容簡介： |
这是一本讨论时下热门话题——大数据的书，生动活泼地阐释了晦涩艰深的统计学原理，条理清晰地告诉读者如何从数据中获取智慧。
全书分为8章，第1章概述了大数据时代统计学面临的机遇和挑战。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、用户及整个产业和社会带来什么价值。
拥有本书，不仅可以使读者感受数字的美感和哲学的智慧，还能够使读者掌握思辨的洞察力。更重要的是，拥有本书就相当于拥有了一种武器，数据驱动的思维模式将会使读者在生活、工作中受益匪浅。
|
| 關於作者： |
杨轶莘：瑞典厄勒布鲁大学商学院统计学博士毕业，北京诺贝伦思教育咨询有限公司高级咨询师，旗下商学院CN网站联合创始人和网站知识分享类微信节目《杨博夜话》制作人和主持人。
王辉：北京大学汇丰商学院金融学（数量金融方向）研究生。善于统计综合评价方法的应用、金融计量学、经济计量分析领域的研究。2013—2014年，主持项目《社区养老现状和需求研究》，获第四届全国大学生市场调查分析大赛一等奖和第三届海峡两岸市场调查分析大赛二等奖。2014—2015年，参与朱喜安教授的国家社科基金课题《综合评价方法的优良标准研究》。
|
| 目錄：
|
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1
【知识点】统计学的定义1
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3
【知识点1】随机性4
【知识点2】概率4
1.3 小概率事件必然不会发生的事件6
【案例】挑战者号航天飞机（STS Challenger）失事6
【知识点】“必然会发生”和“必然不会发生”的事件6
1.4 你真的了解数据吗7
【案例】**的客户评价体系8
【知识点】数据的类型8
1.5 数据来自哪里10
【案例】大数据，大偏差——谷歌的流感预测模型真的靠谱吗10
【知识点1】二手数据11
【知识点2】相关关系和因果关系11
第2章 样本魅影14
2.1 样本——窥一斑而见全豹，观滴水而知沧海15
【案例1】客户满意度调查15
【案例2】救护车垄断业务调查16
【知识点】随机样本，方便样本和自愿回应样本17
2.2 抽样——尝一勺锅里的靓汤18
【案例1】红豆和绿豆18
【案例2】“捉放法”估算鱼苗成活率19
【案例3】被解雇的市场调研部员工20
【知识点1】简单随机抽样21
【知识点2】抽样中存在的错误风险22
【知识点3】访问员23
2.3 不回应误差——沉默不是金24
【案例】不回应的影响有多大24
【知识点1】不回应（Nonresponse）24
【知识点2】如何降低不回应率25
2.4 措辞的艺术——僧推敲月下门26
【案例1】娱乐圈话题：锋菲恋26
【案例2】几字之差对于民众支持率的影响27
【案例3】双重否定的疑惑28
【知识点1】响应误差（Response Error）29
【知识点2】有效性（Validity）和可靠性（Reliability）29
2.5 大数据时代，当“样本”已成往事31
【案例】Farecast，美国创业梦31
【知识点】大数据的4V特征32
第3章 描述数据34
3.1 均值——可能会说谎的天平34
【案例1】中关村创业者平均39岁34
【案例2】令人啼笑皆非的统计局数据35
【知识点】均值计算36
3.2 寻找中位数——排序，数到中间37
【案例1】腾讯笔试题：大数据量寻找中位数37
【案例2】**卖家评分体系38
【知识点1】求取中位数39
【知识点2】四分位数40
3.3 标准差、标准误，傻傻分不清楚42
【案例1】均值-方差证券资产组合理论42
【案例2】语文成绩调研42
【知识点1】标准差（Standard Deviation）43
【知识点2】标准误（Standard Error）43
3.4 图形替数据说话——“剩女”和相亲市场46
【案例】“剩女”和潜力巨大的相亲市场46
【知识点1】饼状图（Pie Chart）48
【知识点2】条状图（Bar Chart）49
【知识点3】散点图（Scatter Plot）50
3.5 数据可视化——“云想衣裳花想容”51
【案例】谁在开网店51
【知识点1】什么是数据可视化54
【知识点2】数据可视化主要应用领域55
【知识点3】数据可视化的工具55
第4章 正态女神57
4.1 期望——量化你的预期58
【案例1】掷骰子和伯努利试验58
【案例2】赌场就是概率场59
【知识点1】概率分布60
【知识点2】期望（Expectation）61
【知识点3】方差62
4.2 大数定律——为什么十赌九输63
【案例1】澳门风云63
【案例2】谁会是被骗的大傻瓜64
【知识点】大数定律65
4.3 正态分布——大道至简，大美天成65
【案例1】高尔顿钉板65
【案例2】女博士嫁人难，谁之过67
【知识点】正态分布68
4.4 中心极限定理70
【案例】肯家和麦家的博弈70
【知识点】中心极限定理70
第5章 统计推断74
5.1 点估计——统计学家比间谍干得漂亮75
【案例1】二战中的德军坦克数75
【案例2】首家新鲜咖啡速递服务企业76
【知识点1】样本统计量和总体参数77
【知识点2】点估计77
5.2 置信区间——责善切戒尽言79
【案例】美国盖洛普公司的民意调查79
【知识点1】置信水平79
【知识点2】置信区间80
5.3 两类错误：有罪被判无罪和无罪被判有罪哪个更严重81
【案例1】法律中的人文精神81
【案例2】抗击埃博拉要避免两类错误82
【知识点1】零假设和备择假设84
【知识点2】两类错误84
5.4 假设检验——“凑巧”可以拒绝吗85
【案例1】奶茶情缘85
【案例2】咖啡新鲜吗87
【知识点1】显著性水平88
【知识点2】p值88
【知识点3】统计显著88
【知识点4】统计显著 vs. 实际显著89
【知识点5】假设检验 vs. 置信区间89
【知识点6】单侧检验 vs. 双侧检验90
5.5 p值——打开潘多拉魔盒的钥匙92
【案例】金榜题名无望、少年得志梦断92
【知识点1】p值的历史和思想93
【知识点2】p值误用94
第6章 变量间的关系96
6.1 卡方分析——细腻的眼神里岂容得半粒沙97
【案例1】仙道迟到事件发生率分析97
【案例2】性别和文化程度是相互独立的吗98
【知识点1】卡方分布99
【知识点2】卡方检验100
6.2 相关性分析——早起的鸟儿有虫吃102
【案例1】早起的鸟儿有虫吃102
【案例2】化妆品销售额与广告费的关系分析103
【知识点1】相关关系104
【知识点2】相关分析105
【知识点3】相关表、相关图和相关系数106
【知识点4】相关系数t统计量107
6.3 ANOVA——地域，我们没有什么不同107
【案例】地域歧视问题107
【知识点1】方差分析108
【知识点2】方差分析统计模型109
【知识点3】离差平方和及其分解110
【知识点4】均方111
【知识点5】AMOVA F统计量112
【知识点6】方差分析表113
6.4 回归分析——对不起，其实我也想长高117
【案例1】子女身高遗传学的发现117
【案例2】身高地区差异分析117
【知识点1】回归分析119
【知识点2】随机误差项119
【知识点3】*小二乘法120
【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R2123
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】134
【Svensson Method】135
【工作环境和员工满意度】136
7.3 条件概率和更多的信息138
【生男生女的问题】139
【门后的世界：到底是谁错了】140
7.4 极大似然估计——看起来*像142
【白狐，iphone 6 plus和房价】143
7.5 R you happy145
【名门闺秀SAS】145
【国民初恋SPSS】146
【小家碧玉Stata、Minitab、Excel】147
【清新萝莉R】148
7.6 贝叶斯149
【起源】150
【定义】150
【自拍杆和蓝牙耳机】152
7.7 来自星星的统计陷阱155
【被黑的统计机构】155
【统计局的无奈】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】外滩踩踏悲剧167
【案例3】大数据和途牛网169
8.2 大数据驱动运营171
【案例】DataEye，数据驱动手游运营175
8.3 商业智能——决策者的锦囊177
【案例】广告业的商业智能178
8.4 市场智能——商业智能的衍生智慧179
8.5 消费智能——当数据成为一种服务182
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
