目录

  • 1 绪论
    • 1.1 课前学习要求
    • 1.2 什么是统计学
    • 1.3 为什么要学习统计学
    • 1.4 描述性统计和推断性统计
    • 1.5 无处不在的统计学
    • 1.6 第一章课后作业
  • 2 数据产生
    • 2.1 课前学习要求
    • 2.2 基本概念
    • 2.3 数据来源
    • 2.4 随机性和抽样误差
    • 2.5 数据类型
    • 2.6 数据还能“撒谎”?
    • 2.7 第二章课后作业
    • 2.8 统计报告案例阅读
  • 3 数据展示
    • 3.1 课前学习要求
    • 3.2 数据预处理
    • 3.3 数据整理
    • 3.4 数据展示
    • 3.5 统计图表的使用
    • 3.6 数据可视化
    • 3.7 第三章课后作业
  • 4 数据描述
    • 4.1 课前学习要求
    • 4.2 数据分布特征描述
    • 4.3 相关和因果
    • 4.4 第四章课后作业
  • 5 概率论
    • 5.1 课前学习要求
    • 5.2 什么是概率
    • 5.3 离散型随机变量
    • 5.4 连续性随机变量
    • 5.5 中心极限定理的百年
  • 6 统计推断
    • 6.1 课前学习要求
    • 6.2 抽样分布
    • 6.3 大数定律和中心极限定理
    • 6.4 数值型数据统计推断
    • 6.5 假设检验
    • 6.6 品质数据统计推断
  • 7 统计指数
    • 7.1 课前学习要求
    • 7.2 基本概念
    • 7.3 总指数
    • 7.4 指数体系
    • 7.5 常用经济指数
描述性统计和推断性统计

描述性统计是关于数据收集、整理、展示的分析方法,其目的是描述数据特征,找寻数据规律。尽管描述性统计再生活中非常有用,但是它只能提供最基本的信息,比如给出班级平均成绩,标准差等等,但是却无法得出不同班级成绩高低的影响因素有哪些?要回答这一问题就必须用到推断性统计了。

推断性统计是关于如何利用样本数据来推断总体特征的统计方法,其目的在于利用样本推断总体。



需要说明的是,即使经过统计推断,仍然不可能完全消除不确定性,而且也还存在犯错的可能性,统计方法不能解决所有的不确定性,它只能揭开不确定性的面纱,为你前进的道路扫除大部分的障碍。当然,任何时候,排除不确定性,获取有价值的信息都是统计学要做的重要工作。

If statistics were a superhero, it’s batcall would beuncertainty, and it’s tagline would be “When you don’t know for sure, but doingnothing isn’t an option.”