大數據時代下的統計學（第2版） ( 簡體 字) |
| 作者：楊軼莘 | 類別：1. -> 程式設計 -> 大數據 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 51783
詢問書籍請說出此書號！【缺書】
NT售價： 295 元 |
| 出版日：8/1/2019 |
| 頁數：200 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121370878 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：在不知不覺中，人們已經進入了一個數據為王的時代。大數據以迅雷不及掩耳之勢進入人們的視野，更加強調了數據在這個時代的重要性。不管人們是否愿意，都要擁抱這個“大數據時代”。同時，大數據也帶火了另外一個看上去有點神秘、有點距離感的學科——統計學。
為什么編寫本書？
筆者作為一個在校園里學了11年統計學的資深學院派，深深地被這門學科打動：它有著數學的美感，充滿了哲學的智慧，并且透露出思辨的洞察力。你可以把它看作一種工具，或者一種武器。有了它，你就可以直擊事物本質的規律并能取得事半功倍的效果。
筆者很想把這門學科分享給對它感興趣的人。這就是編寫本書的初衷。
隨著大數據逐漸走進公眾的視野，統計學也必然會迎來更多的關注。這就意味著，越來越多的非統計學專業的人想去了解和應用統計學，也必然需要更多的統計學讀物。
據筆者觀察，市場上有關統計學的書大多都像教科書，充斥著枯燥的公式和深奧的理論。當然，也有一些幽默風趣、深入淺出的入門書籍，如查爾斯·韋蘭的《赤裸裸的統計學》（Naked Statistics），但也因為是外國作品，在語言和寫作方式上很難符合東方人的閱讀習慣。
本書討論大數據，討論統計學，更討論二者之間千絲萬縷的聯系。大數據時代將迎來技術的變革，以及工作方式和思維模式的變革。大數據時代也挑戰著傳統統計學的思維和研究模式，那么統計學是要面臨江河日下被取代的危機，還是要迎來一個破繭而出的春天？本書拋磚引玉，試著給出一部分答案。
對于統計學來說，大數據時代是最好的時代，也是最壞的時代。統計學必須與時俱進，勇敢地接受大數據時代的挑戰和變革，才會走得更長遠。而如果大數據沒有了統計學思維的輔助、修正和補充，當熱潮退去，那么也只能在這個浮躁的時代中漸漸被人們遺忘。
本書特點
本書從大數據切入，引入與之息息相關的統計學，深入淺出地講述了在“數據為王”的時代下，統計學作為分析、解讀數據的學科，如何為商業、社會、生活等領域提供決策支持。
? 熱門性——業界和學術界熱議的“大數據”對大多數人來說仍是“猶抱琵琶半遮面”。
? 經典性——久經時間考驗的統計學理論仍是數據處理的重要依據。
? 洞察性——站在統計學和哲學的思想高度，對時下熱門話題進行分析思考。
? 前瞻性——任何行業，未來都是數據生意。
本書有兩大特色：
? 將統計學和大數據結合在一起，探討兩者的差異和相關性。
? 大部分章節都是按照【案例】+【知識點】的結構進行講述的，清晰明了。本書應用的案例也都和人們的生活息息相關，更具代入感和認同感，語言也更符合讀者的閱讀習慣。
本書內容
本書共分為8章，各章內容如下。
第1章：大數據時代下的統計學，講解了統計學的基本原理、應用領域及數據的獲取方法。
第2章：樣本魅影，重點介紹了統計學最核心的思想，即用樣本信息推論總體，并和大數據的推論思想進行比較，強調在實踐中兩者結合使用的重要性。
第3章：描述數據，告訴讀者當面臨大量數據的時候，如何迅速提煉出有用信息，以一種直接、感性的方式勾勒出隱藏在冷冰冰的數據背后的內涵。
第4章：正態“女神”，隆重推出了統計學中最經典、最重要、最具代表性的一個分布——正態分布，詳細介紹了正態分布的理論、應用及相關知識點。
第5章：統計推斷，講述了統計推斷是用樣本來估計總體的，是一種具有科學依據的合理猜測，盡管它不可能完全準確，但卻對人們認知事物有著不可估量的作用。
第6章：變量間的關系，從大數據思維的一個角度切入，強調事物的相關關系而非因果關系，重點講述了究竟什么是相關關系，以及其統計學的內涵、方法及應用。
第7章：統計雜談，以一種漫談的方式，深入淺出地講解了統計學一些熱門應用的理論。特別強調了這些理論在實踐中的誤用，并告訴讀者正確的使用方法和解讀方法。
第8章：大數據，在水一方，探討了大數據巨大的商業價值，還強調了如何從大數據中獲取洞察力和決策力。 |
內容簡介：本書從大數據切入，引入與之息息相關的統計學，深入淺出地講述了在“數據為王”的時代下，統計學作為分析、解讀數據的學科，如何為商業、社會、生活等領域提供決策支持。全書分為8章，第1章概述了大數據時代下的統計學，講解了統計學的基本原理、應用領域及數據的獲取方法。第2、3章講述了統計學在思想方法及數據表述上和大數據處理方法的異同；第4章介紹了對統計學影響深遠的正態分布；第5章探討了在大數據時代統計推斷是否失效；第6章重點從統計學視角講述了大數據時代最熱門的變量間的“相關性”問題；第7章以一種比較開放的態度討論統計學中一些有意思又實用的話題；第8章探討大數據能夠給企業、用戶及整個社會帶來的價值。本書不僅可以使讀者感受到數字的美感和哲學的智慧，還可以使讀者獲得思辨的洞察力。更重要的是，擁有本書就相當于擁有了一種武器，其中數據驅動的思維模式將會使讀者在生活、工作中受益匪淺。 |
目錄：第1章 大數據時代下的統計學 1
1.1 統計學——天使還是惡魔 2
【知識點】統計學的定義 2
1.2 概率——上帝的指引 3
【案例1】硬幣的指引 3
【案例2】賭徒的錯覺 4
【知識點1】隨機性 5
【知識點2】概率 5
1.3 小概率事件≠必然不會發生的事件 7
【案例】挑戰者號航天飛機失事 7
【知識點】“必然會發生”的事件和“必然不會發生”的事件 7
1.4 你真的了解數據嗎？ 8
【案例】淘寶的客戶評價體系 9
【知識點】數據的類型 10
1.5 數據來自哪里？ 11
【案例】大數據，大偏差——谷歌的流感預測模型真的靠譜嗎？ 12
【知識點1】二手數據 13
【知識點2】相關關系和因果關系 13
第2章 樣本魅影 15
2.1 樣本——窺一斑而見全豹，觀滴水而知滄海 16
【案例1】客戶滿意度調查 16
【案例2】救護車壟斷業務調查 17
【知識點】隨機樣本、方便樣本和自愿回應樣本 18
2.2 抽樣——嘗一勺鍋里的靚湯 20
【案例1】紅豆和綠豆 20
【案例2】“捉放法”估算魚苗成活率 21
【案例3】被解雇的市場調研部員工 22
【知識點1】簡單隨機抽樣 23
【知識點2】抽樣中存在的錯誤風險 24
【知識點3】訪問員 25
2.3 不回應誤差——沉默不是金 26
【案例】“不回應”的影響有多大 26
【知識點1】不回應 27
【知識點2】如何降低不回應率 27
2.4 措辭的藝術——僧推/敲月下門 29
【案例】幾字之差對民眾支持率的影響 29
【知識點1】響應誤差 30
【知識點2】有效性和可靠性 30
2.5 大數據時代，當“樣本”已成往事 32
【案例】Farecast，美國創業夢 32
【知識點】大數據的4V特征 33
第3章 描述數據 36
3.1 均值——可能會說謊的天平 37
【案例1】中關村創業者平均年齡39歲 37
【案例2】令人“啼笑皆非”的統計局數據 38
【知識點】均值計算 38
3.2 尋找中位數 39
【案例1】騰訊筆試題：大數據量尋找中位數 39
【案例2】淘寶賣家評分體系 40
【知識點1】求取中位數 42
【知識點2】四分位數 42
3.3 標準差、標準誤，傻傻分不清楚 45
【案例1】均值-方差證券資產組合理論 45
【案例2】語文成績調研 45
【知識點1】標準差 46
【知識點2】標準誤 47
3.4 數據可視化——“云想衣裳花想容” 49
【知識點1】什么是數據可視化？ 50
【知識點2】數據可視化的主要應用 50
【知識點3】數據可視化的工具 51
第4章 正態“女神” 53
4.1 期望——量化你的預期 54
【案例1】擲骰子和伯努利試驗 54
【案例2】賭場就是概率場 55
【知識點1】概率分布 56
【知識點2】期望 57
【知識點3】方差 59
4.2 大數定律——為什么十賭九輸 60
【案例1】澳門風云 60
【案例2】誰會是被騙的人 61
【知識點】大數定律 62
4.3 正態分布——大道至簡，大美天成 63
【案例】高爾頓釘板 63
【知識點】正態分布 64
4.4 中心極限定理 66
【案例】肯德基和麥當勞的博弈 66
【知識點】中心極限定理 67
第5章 統計推斷 70
5.1 點估計——統計學家比間諜干得漂亮 71
【案例1】第二次世界大戰中的德軍坦克數 71
【案例2】首家新鮮咖啡速遞服務企業 72
【知識點1】樣本統計量和總體參數 73
【知識點2】點估計 74
5.2 置信區間——責善切戒盡言 75
【案例】美國蓋洛普公司的民意調查 75
【知識點1】置信水平 76
【知識點2】置信區間 76
5.3 兩類錯誤：有罪被判無罪和無罪被判有罪哪個更嚴重 78
【案例1】法律中的人文精神 78
【案例2】抗擊埃博拉要避免兩類錯誤 79
【知識點1】零假設和備擇假設 80
【知識點2】兩類錯誤 81
5.4 假設檢驗——“湊巧”可以拒絕嗎？ 82
【案例1】奶茶情緣 82
【案例2】咖啡新鮮嗎？ 84
【知識點1】顯著性水平 85
【知識點2】p值 85
【知識點3】統計顯著 86
【知識點4】統計顯著對比實際顯著 86
【知識點5】假設檢驗對比置信區間 87
【知識點6】單側檢驗對比雙側檢驗 87
5.5 p 值——打開“潘多拉魔盒”的鑰匙 89
【案例】p值變了，結果就變了 90
【知識點1】p值的歷史和思想 91
【知識點2】p值誤用 92
第6章 變量間的關系 94
6.1 卡方分析——細膩的眼神里豈容得半粒沙 94
【案例1】仙道遲到事件發生率分析 94
【案例2】性別和文化程度是相互獨立的嗎？ 95
【知識點1】卡方分布 96
【知識點2】卡方檢驗 97
6.2 相關性分析——早起的鳥兒有蟲吃 100
【案例1】早起的鳥兒有蟲吃 100
【案例2】化妝品銷售額與廣告費的關系分析 101
【知識點1】相關關系 102
【知識點2】相關分析 103
【知識點3】相關表、相關圖和相關系數 104
【知識點4】t統計量 105
6.3 ANOVA——地域，我們沒有什么不同 105
【案例】“地域歧視”問題 105
【知識點1】方差分析 106
【知識點2】方差分析統計模型 107
【知識點3】離差平方和及其分解 109
【知識點4】均方 110
【知識點5】F統計量 111
【知識點6】方差分析表 112
6.4 回歸分析——對不起，其實我也想長高 116
【案例1】子女身高的遺傳發現 116
【案例2】身高的地區差異分析 117
【知識點1】回歸分析 118
【知識點2】隨機誤差項 119
【知識點3】最小二乘法 119
【知識點4】回歸分析T檢驗 121
【知識點5】回歸分析F檢驗 122
【知識點6】擬合優度 123
第7章 統計雜談 124
7.1 為什么對回歸情有獨鐘 124
【回歸和電影】 126
【回歸和手游】 128
7.2 調查問卷中的分類變量 132
【疼痛】 133
【Rank-Invariant】 135
【Svensson Method】 135
【工作環境和員工滿意度】 137
7.3 條件概率 139
【生男生女的問題】 140
【門后的世界：到底是誰錯了】 141
7.4 極大似然估計——看起來最像 144
【白狐，iPhone 6 Plus和房價】 144
7.5 統計軟件 146
【名門閨秀SAS】 147
【國民初戀SPSS】 148
【小家碧玉Stata，Minitab，Excel】 148
【清新蘿莉R】 150
7.6 貝葉斯 151
【起源】 152
【核心思想】 153
【自拍桿和藍牙耳機】 155
7.7 來自星星的統計陷阱 157
【問卷調查的潛在陷阱】 157
【王老吉狀告加多寶】 158
第8章 大數據，在水一方 161
8.1 洛陽紙貴——大數據思維 161
【案例1】罩杯和“敗家”程度 166
【案例2】外灘踩踏事件 168
【案例3】大數據和途牛網 170
8.2 大數據驅動運營 171
【案例】DataEye，數據驅動手游運營 176
8.3 商業智能——決策者的錦囊 178
【案例】廣告業的商業智能 179
8.4 市場智能——商業智能的衍生智慧 180
8.5 消費智能——當數據成為一種服務 183 |
| 序： |
