商务统计学（英文版）

图书标准信息

• 作者 [美]维尔曼 著；[美]夏普；[美]德维克斯
• 出版社 电子工业出版社
• 出版时间 2010-06
• 版次 1
• ISBN 9787121106323
• 定价 99.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸

【内容简介】

　　 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四部分内容，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，让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、JMP、SPSS和DataDesk等软件中的操作实现步骤。

  本书可作为大学本科生和研究生的教材，也可供从事工商管理和经济分析的人士参考。

【目录】

Part I  Exploring and Collecting Data

  Chapter 1  Statistics and Variation   

    1.1 So, What Is Statistics？

    1.2 How Will This Book Help？

  Chapter 2  Data   9

    2.1 What Are Data？

    2.2 Variable Types

    2.3 Where, How, and When

    Mini Case Study Project: Credit Card Bank   

  Chapter 3  Surveys and Sampling   

    3.1 Three Ideas of Sampling 

    3.2 A Census—Does It Make Sense？

    3.3 Populations and Parameters

    3.4 Simple Random Sample (SRS)

    3.5 Other Sample Designs 

    3.6 Defining the Population 

    3.7 The Valid Survey

    Mini Case Study Projects: Market Survey Research 

    The GfK Roper Reports Worldwide Survey 

  Chapter 4 Displaying and Describing Categorical Data 

    4.1 The Three Rules of Data Analysis

    4.2 Frequency Tables

    4.3 Charts

    4.4 Contingency Tables

    Mini Case Study Project: KEEN Footwear 

  Chapter 5 Randomness and Probability 85

    5.1 Random Phenomena and Probability

    5.2 The Nonexistent Law of Averages

    5.3 Different Types of Probability 

    5.4 Probability Rules 

    5.5 Joint Probability and Contingency Tables

    5.6 Conditional Probability

    5.7 Constructing Contingency Tables

    Mini Case Study Project: Market Segmentation 103

  Chapter 6 Displaying and Describing Quantitative Data 

    6.1 Displaying Distributions

    6.2 Shape

    6.3 Center

    6.4 Spread of the Distribution

    6.5 Shape, Center, and Spread—A Summary

    6.6 Five-Number Summary and Boxplots

    6.7 Comparing Groups

    6.8 Identifying Outliers

    6.9 Standardizing

    6.10 Time Series Plots 

    *6.11 Transforming Skewed Data

    Mini Case Study Projects: Hotel Occupancy Rates 143,

    Value and Growth Stock Returns 143

Part II Understanding Data and Distributions 157

  Chapter 7 Scatterplots, Association, and Correlation 159

    7.1 Looking at Scatterplots

    7.2 Assigning Roles to Variables in Scatterplots

    7.3 Understanding Correlation

    *7.4 Straightening Scatterplots

    7.5 Lurking Variables and Causation

    Mini Case Study Projects: *Fuel Efficiency 181, The U.S. Economy and Home Depot Stock Prices 

  Chapter 8 Linear Regression 193

    8.1 The Linear Model

    8.2 Correlation and the Line

    8.3 Regression to the Mean

    8.4 Checking the Model

    8.5 Learning More from the Residuals

    8.6 Variation in the Model and R2

    8.7 Reality Check: Is the Regression Reasonable？

    Mini Case Study Projects: Cost of Living 213, Mutual Funds 

  Chapter 9 Sampling Distributions and the Normal Model 223

    9.1 Modeling the Distribution of Sample Proportions

    9.2 Simulations

    9.3 The Normal Distribution

    9.4 Practice with Normal Distribution Calculations

    9.5 The Sampling Distribution for Proportions

    9.6 Assumptions and Conditions

    9.7 The Central Limit Theorem—The Fundamental Theorem of Statistics

    9.8 The Sampling Distribution of the Mean

    9.9 Sample

    Size—Diminishing Returns

    9.10 How Sampling Distribution Models Work

    Mini Case Study Project: Real Estate Simulation 247

  Chapter 10 Confidence Intervals for Proportions 255

    10.1 A Confidence Interval

    10.2 Margin of Error: Certainty vs. Precision

    10.3 Critical Values 

    10.4 Assumptions and Conditions

    *10.5 A Confidence Interval for Small Samples

    10.6 Choosing the Sample Size 

    Mini Case Study Projects: Investment 272,

    Forecasting Demand 272

  Chapter 11 Testing Hypotheses about Proportions 279

    11.1 Hypotheses

    11.2 A Trial as a Hypothesis Test

    11.3 P-values

    11.4 The Reasoning of Hypothesis Testing

    11.5 Alternative Hypotheses

    11.6 Alpha Levels and Significance

    11.7 Critical Values

    11.8 Confidence Intervals and Hypothesis Tests

    11.9 Two Types of Errors 

    *11.10 Power 

    Mini Case Study Projects: Metal Production 305,

    Loyalty Program 305

  Chapter 12 Confidence Intervals and Hypothesis Tests for Means 313

    12.1 The Sampling Distribution for the Mean

    12.2 A Confidence Interval for Means

    12.3 Assumptions and Conditions

    12.4 Cautions About Interpreting Confidence Intervals

    12.5 One-Sample t-Test

    12.6 Sample Size

    *12.7 Degrees of Freedom—Why n – 1？

    Mini Case Study Projects: Real Estate 333, Donor Profiles 333

  Chapter 13 Comparing Two Means 343

    13.1 Testing Differences Between Two Means

    13.2 The Two-Sample t-Test

    13.3 Assumptions and Conditions

    13.4 A Confidence Interval for the Difference Between Two Means

    13.5 The Pooled t-Test

    *13.6 Tukey’s Quick Test

    Mini Case Study Project: Real Estate 364

  Chapter 14 Paired Samples and Blocks 375

    14.1 Paired Data

    14.2 Assumptions and Conditions

    14.3 The Paired t-Test

    14.4 How the Paired t-Test Works 

    Mini Case Study Projects: A Taste Test (Data Collection and Analysis) 389, Consumer Spending Patterns (Data Analysis) 389

  Chapter 15 Inference for Counts: Chi-Square Tests 401

    15.1 Goodness-of-Fit Tests

    15.2 Interpreting Chi-Square Values

    15.3 Examining the Residuals

    15.4 The Chi-Square Test of Homogeneity

    15.5 Comparing Two Proportions

    15.6 Chi-Square Test of Independence 

    Mini Case Study Projects: Health Insurance 424,

    Loyalty Program 424

Part III  Exploring Relationships Among Variables 435

  Chapter 16 Inference for Regression 437

    16.1 The Population and the Sample

    16.2 Assumptions and Conditions

    16.3 The Standard Error of the Slope

    16.4 A Test for the Regression Slope

    16.5 A Hypothesis Test for Correlation

    16.6 Standard Errors for Predicted Values

    16.7 Using Confidence and Prediction Intervals

    Mini Case Study Projects: Frozen Pizza 461,

    Global Warming？ 461

  Chapter 17 Understanding Residuals 473

    17.1 Examining Residuals for Groups

    17.2 Extrapolation and Prediction

    17.3 Unusual and Extraordinary Observations

    17.4 Working with Summary Values

    17.5 Autocorrelation

    17.6 Linearity

    17.7 Transforming (Re-expressing) Data

    17.8 The Ladder of Powers 

    Mini Case Study Projects: Gross Domestic Product 497,

    Energy Sources 498

  Chapter 18 Multiple Regression 509

    18.1 The Multiple Regression Model

    18.2 Interpreting Multiple Regression Coefficients

    18.3 Assumptions and Conditions for the Multiple Regression Model

    18.4 Testing the Multiple Regression Model

    18.5 Adjusted R2, and the F-statistic

    *18.6 The Logistic Regression Model

    Mini Case Study Project: Golf Success 536

  Chapter 19 Building Multiple Regression Models 547

    19.1 Indicator (or Dummy) Variables

    19.2 Adjusting for Different Slopes—Interaction Terms

    19.3 Multiple Regression Diagnostics

    19.4 Building Regression Models

    19.5 Collinearity

    19.6 Quadratic Terms 

    Mini Case Study Project: Paralyzed Veterans of America 577

  Chapter 20 Time Series Analysis 589

    20.1 What Is a Time Series？

    20.2 Components of a Time Series

    20.3 Smoothing Methods

    20.4 Simple Moving Average Methods

    20.5 Weighted Moving Averages

    20.6 Exponential Smoothing Methods

    20.7 Summarizing Forecast Error

    20.8 Autoregressive Models

    20.9 Random Walks

    20.10 Multiple Regression-based Models

    20.11 Additive and Multiplicative Models

    20.12 Cyclical and Irregular Components

    20.13 Forecasting with Regressionbased Models

    20.14 Choosing a Time Series Forecasting Method

    20.15 Interpreting Time Series Models: The Whole Foods Data Revisited

    Mini Case Study Projects: Intel Corporation 624,

    Tiffany & Co. 624

Part IV Building Models for Decision Making 637

  Chapter 21 Random Variables and Probability Models 639

    21.1 Expected Value of a Random Variable

    21.2 Standard Deviation of a Random Variable 

    21.3 Properties of Expected Values and Variances

    21.4 Discrete Probability Models

    21.5 Continuous Random Variables

    Mini Case Study Project: Investment Options 668

  Chapter 22 Decision Making and Risk 675

    22.1 Actions, States of Nature, and Outcomes

    22.2 Payoff Tables and Decision Trees

    22.3 Minimizing Loss and Maximizing Gain

    22.4 The Expected Value of an Action

    22.5 Expected Value with Perfect Information

    22.6 Decisions Made with Sample Information

    22.7 Estimating Variation

    22.8 Sensitivity

    22.9 Simulation

    22.10 Probability Trees

    *22.11 Reversing the Conditioning: Bayes’s Rule

    22.12 More Complex Decisions

    Mini Case Study Projects: Texaco-Pennzoil 693,

    Insurance Services, Revisited 694

  Chapter 23 Design and Analysis of Experiments and Observational Studies 699

    23.1 Observational Studies

    23.2 Randomized, Comparative Experiments

    23.3 The Four Principles of Experimental Design

    23.4 Experimental Designs

    23.5 Blinding and Placebos

    23.6 Confounding and Lurking Variables

    23.7 Analyzing a Design in One Factor—The Analysis of Variance

    23.8 Assumptions and Conditions for ANOVA

    *23.9 Multiple Comparisons

    23.10 ANOVA on Observational Data

    23.11 Analysis of Multifactor Designs

    Mini Case Study Project: A Multifactor Experiment 736

  Chapter 24 Introduction to Data Mining 747

    24.1 Direct Marketing

    24.2 The Data

    24.3 The Goals of Data Mining

    24.4 Data Mining Myths

    24.5 Successful Data Mining

    24.6 Data Mining Problems

    24.7 Data Mining Algorithms

    24.8 The Data Mining Process

    24.9 Summary

Appendixes

  A Answers A-1 

  B Photo Acknowledgments A-37

  C Tables and Selected Formulas A-41

  D Index A-57