商务统计学 英文版·第7版

本书是久负盛名的统计学教学用书，在国外大学中得到广泛采用。本书涵盖了应用统计学在当代商务经济领域中几乎所有的重要应用，并且将统计软件（包括Excel，SPSS，Minitab）的使用贯穿全书。第7版除了保留上一版的特色外，还具有以下特点： 
1．深入浅出地讲解了统计学对经验管理和不断创新的重要意义。书中的大量课堂教学实例涉及会计、金融、管理、营销等公司经营管理的各个领域，可以使读者理解和掌握如何运用统计学原理和方法来解决现实世界的经营管理问题。 
2．侧重对统计结果的理解。统计学家乔治?伯克斯的名言“所有模型都是错误的，但有些是有用的”，讲的就是数学模型都是在特定假设下建立的。而现实问题通常难以完全满足模型的假设条件，这就需要读者通过学习深入探索数据背后的规律。 
3．提供了大量电子表格形式的数据集，并且在讲授教学案例时提供了一些简便易学的统计软件计算结果。 
本书在过去十年中数次修订的一个主要原因就是为了跟上计算机软件和互联网技术发展的步伐。本书提供的大量实例、练习使课程极富实用性，能帮助读者快速掌握统计软件。

本书是久负盛名的统计学教学用书，在国外大学中得到广泛采用。本书涵盖了应用统计学在当代商务经济领域中几乎所有的重要应用，并且将统计软件（包括Excel，SPSS，Minitab）的使用贯穿全书。第7版除了保留上一版的特色外，还具有以下特点： 
1．深入浅出地讲解了统计学对经验管理和不断创新的重要意义。书中的大量课堂教学实例涉及会计、金融、管理、营销等公司经营管理的各个领域，可以使读者理解和掌握如何运用统计学原理和方法来解决现实世界的经营管理问题。 
2．侧重对统计结果的理解。统计学家乔治?伯克斯的名言“所有模型都是错误的，但有些是有用的”，讲的就是数学模型都是在特定假设下建立的。而现实问题通常难以完全满足模型的假设条件，这就需要读者通过学习深入探索数据背后的规律。 
3．提供了大量电子表格形式的数据集，并且在讲授教学案例时提供了一些简便易学的统计软件计算结果。 
本书在过去十年中数次修订的一个主要原因就是为了跟上计算机软件和互联网技术发展的步伐。本书提供的大量实例、练习使课程极富实用性，能帮助读者快速掌握统计软件。

戴维?莱文?(David?M.?Levine)? 纽约城市大学巴鲁克学院杰克林商学院统计与计算机信息系统系荣誉退休教授。在巴鲁克学院多年的教学生涯中，为教学和课程开发做出了突出的贡献，获得教学奖。
凯瑟琳?赛贝特?(Kathryn?A.?Szabat) ?拉萨尔大学商业系统与分析系教授，美国统计协会（ASA）成员，?宾夕法尼亚大学沃顿商学院统计学博士。
戴维?斯蒂芬?(David?F.?Stephan) Two?Bridges教育技术大学教授，?早期计算机教学倡导者，帮助重新开发了CIS课程。

Getting Started: Important Things to Learn First
1 Defining and Collecting Data
2 Organizing and Visualizing Variables 
3 Numerical Descriptive Measures 
4 Basic Probability 
5 Discrete Probability Distributions 
6 The Normal Distribution 
7 Sampling Distributions 
8 Confidence Interval Estimation 
9 Fundamentals of Hypothesis Testing: One-Sample Tests
10 Two-Sample Tests and One-Way ANOVA 
11 Chi-Square Tests 
12 Simple Linear Regression
13 Multiple Regression

本书是久负盛名的统计学教学用书，在国外大学中得到广泛采用。本书涵盖了应用统计学在当代商务经济领域中几乎所有的重要应用，并且将统计软件（包括Excel，SPSS，Minitab）的使用贯穿全书。第7版除了保留上一版的特色外，还具有以下特点： 
1．深入浅出地讲解了统计学对经验管理和不断创新的重要意义。书中的大量课堂教学实例涉及会计、金融、管理、营销等公司经营管理的各个领域，可以使读者理解和掌握如何运用统计学原理和方法来解决现实世界的经营管理问题。 
2．侧重对统计结果的理解。统计学家乔治?伯克斯的名言“所有模型都是错误的，但有些是有用的”，讲的就是数学模型都是在特定假设下建立的。而现实问题通常难以完全满足模型的假设条件，这就需要读者通过学习深入探索数据背后的规律。 
3．提供了大量电子表格形式的数据集，并且在讲授教学案例时提供了一些简便易学的统计软件计算结果。 
本书在过去十年中数次修订的一个主要原因就是为了跟上计算机软件和互联网技术发展的步伐。本书提供的大量实例、练习使课程极富实用性，能帮助读者快速掌握统计软件。

戴维?莱文?(David?M.?Levine)? 纽约城市大学巴鲁克学院杰克林商学院统计与计算机信息系统系荣誉退休教授。在巴鲁克学院多年的教学生涯中，为教学和课程开发做出了突出的贡献，获得教学奖。
凯瑟琳?赛贝特?(Kathryn?A.?Szabat) ?拉萨尔大学商业系统与分析系教授，美国统计协会（ASA）成员，?宾夕法尼亚大学沃顿商学院统计学博士。
戴维?斯蒂芬?(David?F.?Stephan) Two?Bridges教育技术大学教授，?早期计算机教学倡导者，帮助重新开发了CIS课程。

When writing for introductory business statistics students, we are guided by these principles:
Help students see the relevance of statistics to their own careers by providing examples drawn from the functional areas in which they may be specializing. Students need to learn statistics in the context of the functional areas of business. We present each statistics topic in the context of areas such as accounting, finance, management, and marketing and explain the application of specific methods to business activities.
Emphasize interpretation and analysis of statistical results over calculation. We emphasize the interpretation of results, the evaluation of the assumptions, and the discussion of what should be done if the assumptions are violated. We believe that these activities are more important and will serve students better in the future than focusing on tedious hand calculations.
Give students ample practice in understanding how to apply statistics to business. We believe that both classroom examples and homework exercises should involve actual or realistic data, using small and large sets of data, to the extent possible.
Familiarize students with the use of spreadsheet and statistical software. We integrate spreadsheet and statistical software into all statistics topics to illustrate how this software assists business decision making. (Using software in this way also supports our second point about emphasizing interpretation over calculation).
Provide clear instructions to students for using spreadsheet and statistical software. We believe that providing such instructions facilitates learning and helps prevent minimizes the chance that learning software to the level necessary will distract from the learning of statistical concepts.