《基于Excel的商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》旨在向以工商管理和經(jīng)濟(jì)學(xué)等專業(yè)為主的學(xué)生介紹統(tǒng)計(jì)學(xué)的有關(guān)知識(shí)及其多種應(yīng)用�！痘贓xcel的商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》以應(yīng)用為主，讀者無須具有高深的數(shù)學(xué)知識(shí)，只要掌握數(shù)學(xué)中的代數(shù)知識(shí)即可。
《基于Excel的商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》的主要內(nèi)容是數(shù)據(jù)分析與統(tǒng)計(jì)方法的應(yīng)用，書中關(guān)于每種方法的討論與展開都是在應(yīng)用背景下進(jìn)行的，借助這些統(tǒng)計(jì)結(jié)果，讀者可以更深入地理解問題的本質(zhì)及其解決辦法。
在應(yīng)用的基礎(chǔ)上，《基于Excel的商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》會(huì)提供一套合理的方法論，并注意使用一些在該領(lǐng)域已經(jīng)被普遍接受的概念，為讀者深入學(xué)習(xí)統(tǒng)計(jì)學(xué)知識(shí)打下堅(jiān)實(shí)的基礎(chǔ)。讀者若想繼續(xù)深入研究，請(qǐng)參閱附錄中的相關(guān)文獻(xiàn)。
從管理的實(shí)踐問題入手，將統(tǒng)計(jì)學(xué)的知識(shí)適時(shí)地滲透于實(shí)際案例中，使讀者對(duì)相關(guān)概念或理論產(chǎn)生一個(gè)感性的認(rèn)識(shí)。大量實(shí)際案例貫穿其中，使統(tǒng)計(jì)學(xué)知識(shí)生動(dòng)易懂。詳細(xì)介紹統(tǒng)計(jì)學(xué)方法在Excel軟件中的操作步驟，增強(qiáng)了統(tǒng)計(jì)方法的可操作性�！ 痘贓xcel的商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》以應(yīng)用為主，讀者無須具有高深的數(shù)學(xué)知識(shí)，只要掌握數(shù)學(xué)中的代數(shù)知識(shí)即可�！ 榻處熀蛯W(xué)生準(zhǔn)備了詳實(shí)完備的教輔資料和習(xí)題。
托馬斯·A.威廉姆斯（Thomas A.Williams）。羅徹斯特理工學(xué)院（Rochester Institute of Technology）商學(xué)院管理學(xué)教授。出生于美國(guó)紐約艾爾邁拉，于克拉克森大學(xué)（Clarksorl IJniversity）取得學(xué)士學(xué)位后，進(jìn)入仁斯利爾理工學(xué)院（RensselaerPolytecllnic Institute）深造，取得碩士和博士學(xué)位。參與編寫著作ll部，內(nèi)容涉及管理科學(xué)、統(tǒng)計(jì)學(xué)、生產(chǎn)運(yùn)作管理和數(shù)學(xué)等，為眾多世界500強(qiáng)企業(yè)擔(dān)任過顧問，科研領(lǐng)域遍及從數(shù)據(jù)分析到大型模型的開發(fā)。
丹尼斯·J.斯威尼（Dennis J.Sweeoey）。數(shù)量分析學(xué)教授，克拉克森大學(xué)生產(chǎn)促進(jìn)中心的創(chuàng)始人之一。出生于愛荷華州得梅因，先后取得德雷克大學(xué)（Drake Urfiversity）學(xué)士學(xué)位、印第安納大學(xué)（Indiana University）工商管理學(xué)碩士和博士學(xué)位并得到美國(guó)國(guó)防教育部門的資助。在管理科學(xué)與統(tǒng)計(jì)學(xué)領(lǐng)域發(fā)表論文和專著30余篇，參與編寫著作10余部，領(lǐng)域涉及統(tǒng)計(jì)學(xué)、管理科學(xué)、線性規(guī)劃和生產(chǎn)運(yùn)作管理等。
大衛(wèi)·R.安德森（David R.Anderson）。辛辛那提大學(xué)工商管理學(xué)院數(shù)量分析學(xué)教授。出生于美國(guó)北達(dá)科他州大�？怂�，取得普度大學(xué)（Purdue University）學(xué)士、碩士和博士學(xué)位，曾任數(shù)量分析和運(yùn)籌管理研究所主任，工商管理學(xué)院副院長(zhǎng)。參與編寫著作10余部，領(lǐng)域涉及統(tǒng)計(jì)、管理科學(xué)、線性規(guī)劃和生產(chǎn)運(yùn)作管理等，是抽樣統(tǒng)計(jì)和統(tǒng)計(jì)方法方面的知名顧問。
第一章 數(shù)據(jù)與統(tǒng)計(jì)學(xué)
1.1 統(tǒng)計(jì)在商業(yè)和經(jīng)濟(jì)中的應(yīng)用
1.2 數(shù)據(jù)
1.3 數(shù)據(jù)來源
1.4 描述統(tǒng)計(jì)學(xué)
1.5 統(tǒng)計(jì)推斷
1.6 應(yīng)用Exeel進(jìn)行統(tǒng)計(jì)分析
第二章 描述統(tǒng)計(jì)學(xué)：表格法和圖形法
2.1 匯總分析定性數(shù)據(jù)
2.2 定量數(shù)據(jù)匯總分析
2.3 探索性數(shù)據(jù)分析：莖葉圖
2.4 交叉列表和散點(diǎn)圖
第三章 描述統(tǒng)計(jì)學(xué)：數(shù)量方法
3.1 位置測(cè)度
3.2 變異程度測(cè)度
3.3 分布形態(tài)、相對(duì)位置的測(cè)度以及異常值的檢測(cè)
3.4 探索性數(shù)據(jù)分析
3.5 雙變量相關(guān)關(guān)系測(cè)度
3.6 加權(quán)平均值和分組數(shù)據(jù)
第四章 概率概述
4.1 試驗(yàn)、加法法則和概率賦值
4.2 事件及其概率
4.3 概率的幾種基本關(guān)系
4.4 條件概率
4.5 貝葉斯定理
第五章 離散型概率分布
5.1 隨機(jī)變量
5.2 離散型概率分布
5.3 期望值與方差
5.4 二項(xiàng)分布
5.5 泊松概率分布
5.6 超幾何分布
第六章 連續(xù)型概率分布
6.1 均勻概率分布
6.2 正態(tài)概率分布
6.3 指數(shù)概率分布
第七章 抽樣和抽樣分布
7.1 電子聯(lián)合公司的抽樣問題
7.2 簡(jiǎn)單隨機(jī)抽樣
7.3 點(diǎn)估計(jì)
7.4 抽樣分布簡(jiǎn)介
7.5 丘的抽樣分布
7.6 戶的抽樣分布
7.7 抽樣方法
第八章 區(qū)間估計(jì)
8.1 總體均值的區(qū)間估計(jì)：假設(shè)0一已知
8.2 總體均值的區(qū)間估計(jì)：假設(shè)口未知
8.3 確定樣本容量
8.4 總體比例的區(qū)間估計(jì)
第九章 假設(shè)檢驗(yàn)
9.1 構(gòu)造原假設(shè)和備擇假設(shè)
9.2 第1類錯(cuò)誤和第Ⅱ類錯(cuò)誤
9.3 總體均值的假設(shè)檢驗(yàn)：已知的情況
9.4 總體均值的假設(shè)檢驗(yàn)未知的情況
9.5 總體比例的假設(shè)檢驗(yàn)
第十章 兩個(gè)總體均值和比例的統(tǒng)計(jì)推斷
10.1 兩個(gè)總體均值之差的推斷：和已知
10.2 兩個(gè)總體均值之差的推斷：和未知
10.3 兩個(gè)總體均值之差的推斷：配對(duì)樣本
10.4 兩個(gè)總體比例之差的推斷
……
第十一章 總體方差的推斷
第十二章 方差分析和試驗(yàn)設(shè)計(jì)
第十三章 簡(jiǎn)單線性回歸
第十四章 多元回歸
第十五章 回歸分析：建模問題
第十六章 非參數(shù)估計(jì)
第十七章 質(zhì)量控制的統(tǒng)計(jì)方法
附錄A
附錄B
1.3.3 數(shù)據(jù)收集中的誤差
管理者應(yīng)該時(shí)刻牢記，統(tǒng)計(jì)研究使用的數(shù)據(jù)是可能存在錯(cuò)誤的。使用了錯(cuò)誤的數(shù)據(jù)可能比不使用任何數(shù)據(jù)更糟糕。當(dāng)獲得的數(shù)據(jù)與真實(shí)值或?qū)嶋H值不符時(shí)，就會(huì)產(chǎn)生數(shù)據(jù)收集錯(cuò)誤，這類錯(cuò)誤多是由于收集方法不當(dāng)引起的。錯(cuò)誤產(chǎn)生的形式有多種。例如，訪談員可能會(huì)發(fā)生記錄錯(cuò)誤，比如將24歲誤記為42歲，或者受訪者由于曲解了問題的原意而做出了錯(cuò)誤的回答。
試驗(yàn)數(shù)據(jù)分析人員在收集和記錄數(shù)據(jù)時(shí)應(yīng)特別小心，并確保不出現(xiàn)錯(cuò)誤�？刹扇∫恍┨厥獯胧┮詸z驗(yàn)數(shù)據(jù)的內(nèi)在一致性。例如，如果一個(gè)年齡22歲的人卻說自己已經(jīng)有20年的工作經(jīng)驗(yàn)，那么在這種情況下，分析人員就有必要重新檢查數(shù)據(jù)的準(zhǔn)確性。數(shù)據(jù)分析人員還應(yīng)該注意一些過大或者過小的數(shù)據(jù)，它們通常被稱為異常值，而這些數(shù)據(jù)往往有可能存在錯(cuò)誤。在本書第三章中，我們將介紹一些統(tǒng)計(jì)學(xué)家們用來鑒別異常值的方法。
在數(shù)據(jù)收集過程中會(huì)經(jīng)常發(fā)生錯(cuò)誤。盲目地使用那些偶然獲得的數(shù)據(jù)或者在數(shù)據(jù)收集過程中不認(rèn)真都會(huì)造成數(shù)據(jù)出錯(cuò)，進(jìn)而導(dǎo)致錯(cuò)誤的決策。因此，按照正確的步驟收集數(shù)據(jù)才能保證決策信息的可信度，提高數(shù)據(jù)的利用價(jià)值。
1.4 描述統(tǒng)計(jì)學(xué)
大多數(shù)報(bào)紙、雜志、公司報(bào)告和其他出版物上的統(tǒng)計(jì)信息都是以一種易于理解的方式表現(xiàn)出來。通過表格、圖形或者數(shù)字等形式把數(shù)據(jù)表示出來，這種統(tǒng)計(jì)方法稱為描述統(tǒng)計(jì)學(xué)。
……
書單推薦
