封面 书名页 版权页 前言 目录页 第1章 Minitab与应用统计 1.1 概述 1.2 Minitab基础 1.2.1 窗口介绍 1.2.2 简单示例与本书约定 1.3 主要统计概念 1.3.1 一个调查 1.3.2 变量的测量尺度与变量类型 1.3.3 变量的关系 1.3.4 数据的预处理 1.3.5 其他概念 1.4 利用Minitab自学统计 第2章 描述统计 2.1 单变量的图表方法 2.1.1 一个品质变量 2.1.2 一个数值变量 2.2 双变量的图表方法 2.2.1 两个品质变量 2.2.2 品质变量与数值变量 2.2.3 两个数值变量 2.3 三变量的图表方法 2.3.1 三个品质变量 2.3.2 三个数值变量 2.4 数值变量的数值方法 2.4.1 数值变量的数值方法概述 2.4.2 一个数值变量 2.4.3 两个数值变量 第3章 概率、分布与模拟 3.1 基本概念 3.1.1 概率 3.1.2 随机变量与分布 3.1.3 理论分布 3.2 离散型概率分布 3.2.1 离散型均匀分布 3.2.2 二项分布 3.2.3 泊松分布 3.3 连续型概率分布 3.3.1 均匀分布 3.3.2 指数分布 3.3.3 正态分布 3.4 其他连续型分布 3.4.1 x^2分布 3.4.2 t分布 3.4.3 F分布 3.5 概率、累积概率和逆累积概率的计算 3.5.1 计算的类型和方法 3.5.2 利用Minitab计算概率、累积概率和逆概率 3.6 样本分布与模拟 3.6.1 样本分布与抽样概述 3.6.2 简单随机抽样 3.6.3 正态分布模拟 3.7 抽样分布与模拟 3.7.1 推断统计与抽样分布 3.7.2 抽样分布模拟 第4章 单样本的估计和检验 4.1 估计的概念与类型 4.1.1 估计的概念 4.1.2 单样本区间估计的类型 4.2 单样本的区间估计 4.2.1 总体标准差σ已知时，总体均值μ的区间估计 4.2.2 总体标准差σ未知时，总体均值μ的区间估计 4.2.3 总体比例π的区间估计 4.2.4 总体方差σ^2（标准差σ）的区间估计 4.2.5 总体均值与总体方差的区间估计应用 4.3 样本容量的计算 4.4 假设检验的概念与类型 4.4.1 假设检验的概念与P值法 4.4.2 三种类型的假设检验 4.4.3 两种形式的假设检验 4.5 单样本的假设检验 4.5.1 总体标准差σ已知时，总体均值μ的假设检验 4.5.2 总体标准差σ未知时，总体均值μ的假设检验 4.5.3 总体比例π的假设检验 4.5.4 总体方差σ^2（标准差σ）的假设检验 4.6 功效检验 第5章 双样本的统计推断 5.1 双样本统计推断的基础知识 5.1.1 双样本统计推断概述 5.1.2 双样本统计推断的类型 5.2 双样本的统计推断 5.2.1 总体均值之差μ1-μ2的统计推断：两总体的标准差σ1和σ2已知时的独立样本 5.2.2 总体均值之差μ1-μ2的统计推断：两总体的标准差σ1和σ2未知时的独立样本 5.2.3 总体均值之差μ1-μ2的统计推断：配对样本 5.2.4 总体比例之差π1-π2的统计推断 5.2.5 总体方差（标准差）之比□/□（σ1/σ2）的统计推断 5.3 Minitab中样本数据的存储方式 5.3.1 样本数据存储方式概述 5.3.2 堆叠数据与非堆叠数据的转换方式 5.3.3 利用非堆叠数据进行统计推断 第6章 基础统计方法的拓展 6.1 假设检验的拓展 6.1.1 正态性检验 6.1.2 等方差检验 6.1.3 异常值检验 6.2 数值变量与泊松率 6.2.1 泊松分布的拟合优度检验 6.2.2 单样本泊松率的统计推断 6.2.3 双样本泊松率的统计推断 6.3 品质变量与卡方检验 6.3.1 拟合优度的卡方检验 6.3.2 二维列联表的卡方检验 6.3.3 三维列联表的卡方检验 第7章 方差分析 7.1 利用堆叠数据陈述假设 7.2 单因子方差分析 7.2.1 方差分析的概念 7.2.2 基于一般线性模型的单因子方差分析 7.2.3 多重比较 7.2.4 因子图与预测 7.2.5 完整案例 7.2.6 单因子方差分析的其他问题 7.3 双因子方差分析 7.3.1 不含交互作用的双因子方差分析 7.3.2 包含交互作用的双因子方差分析 7.4 方差分析的拓展 7.4.1 协方差分析 7.4.2 随机效应与混合效应方差分析 7.4.3 完全嵌套方差分析 7.4.4 多元方差分析 7.5 双因子方差分析的数据格式与重复测量方差分析 7.5.1 双因子方差分析的非堆叠数据格式与转换 7.5.2 重复测量方差分析 第8章 回归分析 8.1 相关关系与相关系数的假设检验 8.2 线性回归：数值因变量 8.2.1 简单线性回归 8.2.2 多重线性回归 8.2.3 预测 8.3 回归诊断 8.3.1 残差分析：检验模型的统计正确性 8.3.2 检验异常值、高杠杆点和强影响点 8.3.3 多重共线性 8.3.4 线性回归与回归诊断的案例 8.4 线性回归中的其他问题 8.4.1 品质自变量 8.4.2 包含品质、数值两种自变量的回归 8.4.3 模型构建 8.5 特殊因变量回归 8.5.1 二值logistic回归 8.5.2 名义logistic回归 8.5.3 顺序logistic回归 8.5.4 泊松回归 8.6 变量具有函数关系时的应用统计方法总结 第9章 经典统计的替代与补充 9.1 非参数统计方法 9.1.1 非参数统计方法概述 9.1.2 单样本的统计推断 9.1.3 双样本的统计推断 9.1.4 方差分析 9.1.5 游程检验与Spearman秩相关 9.2 等价检验 9.2.1 单样本均值的等价检验 9.2.2 两样本均值的等价检验 9.3 可靠性/生存分析 9.3.1 生存分析概述 9.3.2 生存分析的参数方法 9.3.3 生存分析的非参数方法 9.3.4 生存回归 第10章 多元统计分析 10.1 多元统计分析概述 10.2 聚类分析 10.2.1 聚类分析的概念 10.2.2 Q型聚类与距离 10.2.3 Q型聚类：观测值聚类 10.2.4 Q型聚类：K均值聚类 10.2.5 R型聚类与相似性：变量聚类 10.3 判别分析 10.4 主成分分析与因子分析 10.4.1 主成分分析 10.4.2 因子分析 10.5 对应分析 10.5.1 对应分析概述 10.5.2 简单对应分析 10.5.3 多重对应分析 第11章 时间序列分析与预测 11.1 时间序列的基本概念 11.1.1 时间序列图 11.1.2 自相关与平稳性 11.2 平稳时间序列预测的平滑方法 11.2.1 预测入门 11.2.2 移动平均法 11.2.3 指数平滑法 11.3 非平稳时间序列的预测方法 11.3.1 时间序列的成分 11.3.2 趋势分析 11.3.3 季节效应 11.4 ARIMA模型 11.4.1 AR、MA和ARMA模型的估计和预测 11.4.2 差分与ARIMA模型 11.4.3 模型选择 11.4.4 包含季节效应的ARIMA模型 11.5 回归分析方法 11.5.1 利用回归分析估计时间序列数据 11.5.2 时间序列回归分析的回归诊断 第12章 质量管理中的统计方法 12.1 质量管理概述 12.2 过程分析的图形方法 12.2.1 帕累托图 12.2.2 因果图 12.2.3 多变异图 12.3 控制图 12.3.1 控制图概述 12.3.2 变量控制图 12.3.3 属性控制图 12.3.4 利用控制图预警 12.4 过程能力分析 12.4.1 过程能力分析概述 12.4.2 正态数据的过程能力分析 12.4.3 非正态数据的过程能力分析 12.4.4 属性数据的过程能力分析 12.5 试验设计（DOE） 12.5.1 试验设计概述 12.5.2 全因子试验设计的计划阶段 12.5.3 全因子试验设计的分析阶段 12.5.4 部分因子试验设计 12.5.5 其他试验设计方法 12.6 测量系统分析 12.6.1 测量系统分析概述 12.6.2 重复性和再现性 12.6.3 偏移和线性 12.6.4 重复性和偏移 ..更多