基本信息
- 作者： [美]理查德·J. 拉森（Richard J. Larsen） 莫里森·L. 马克思（Morris L. Marx）
- 丛书名： 华章统计学原版精品系列
- 出版社：机械工业出版社
- ISBN：9787111624073
- 上架时间：2019-4-18
- 出版日期：2019 年4月
- 开本：16开
- 页码：747
- 版次：1-1
- 所属分类：数学 > 概率论与数理统计 > 数理统计
内容简介
书籍
数学书籍
本书以全面而有趣的方式介绍概率论与数理统计的基础知识，不仅讲授了实验设计和数据分析方法，而且重视培养将这些原理应用于实践的技能。
第6版主要更新：
·共18个新的“案例研究”，以帮助读者理解新增的概念。
·第2章包含10个新例子，包括对“恺撒最后一口气”问题的重复独立试验分析。
·第4章新增一个附录，总结了常用概率密度函数的所有重要属性。
·第5章重写了参数估计（5.2节）误差边缘（5.3节）的内容。
·第8章扩展了关于不同数据模型的讨论，并增加析因数据模型。
·第11章对非线性模型部分进行了全面修订，重点强调它们与不同增长律的关系。
·第12章增加一节，展示了如何在不知道任何单个测量值的情况下“重建”k样本数据集的整个ANOVA表。
· 本书配套网站www.pearsonhighered.com/mathstatsresources/ 可以下载第15章和文中分析所用的数据集。该网站还为学生和教师提供其他一些资源。
数学书籍
本书以全面而有趣的方式介绍概率论与数理统计的基础知识，不仅讲授了实验设计和数据分析方法，而且重视培养将这些原理应用于实践的技能。
第6版主要更新：
·共18个新的“案例研究”，以帮助读者理解新增的概念。
·第2章包含10个新例子，包括对“恺撒最后一口气”问题的重复独立试验分析。
·第4章新增一个附录，总结了常用概率密度函数的所有重要属性。
·第5章重写了参数估计（5.2节）误差边缘（5.3节）的内容。
·第8章扩展了关于不同数据模型的讨论，并增加析因数据模型。
·第11章对非线性模型部分进行了全面修订，重点强调它们与不同增长律的关系。
·第12章增加一节，展示了如何在不知道任何单个测量值的情况下“重建”k样本数据集的整个ANOVA表。
· 本书配套网站www.pearsonhighered.com/mathstatsresources/ 可以下载第15章和文中分析所用的数据集。该网站还为学生和教师提供其他一些资源。
作译者
[美]理查德·J. 拉森（Richard J. Larsen） 莫里森·L. 马克思（Morris L. Marx）著：理查德·J. 拉森（Richard J. Larsen） 范德堡大学数学系教授，曾任本科教学主任17年，因杰出的教学成果而获得1976年的Ingalls奖。他于2005年退休，学校为了纪念他而设立了Richard J. Larsen本科数学教学成就奖。
莫里森·L. 马克思（Morris L. Marx） 西佛罗里达大学数学与统计学教授，专注于统计学、概率论、几何和拓扑方面的教学与研究。曾于1988~2002年担任该校第三任校长。
莫里森·L. 马克思（Morris L. Marx） 西佛罗里达大学数学与统计学教授，专注于统计学、概率论、几何和拓扑方面的教学与研究。曾于1988~2002年担任该校第三任校长。
目录
第1章 绪论 1
1.1 概述 1
1.2 一些例子 2
1.3 发展简史 6
1.4 本章小结 14
第2章 概率 15
2.1 引论 15
2.2 样本空间和集合代数 17
2.3 概率函数 26
2.4 条件概率 31
2.5 独立性 50
2.6 组合 65
2.7 组合概率 89
2.8 再看统计学（蒙特卡罗技术） 99
第3章 随机变量 102
3.1 引论 102
3.2 二项式和超几何概率 103
3.3 离散随机变量 116
3.4 连续随机变量 127
3.5 期望值 137
1.1 概述 1
1.2 一些例子 2
1.3 发展简史 6
1.4 本章小结 14
第2章 概率 15
2.1 引论 15
2.2 样本空间和集合代数 17
2.3 概率函数 26
2.4 条件概率 31
2.5 独立性 50
2.6 组合 65
2.7 组合概率 89
2.8 再看统计学（蒙特卡罗技术） 99
第3章 随机变量 102
3.1 引论 102
3.2 二项式和超几何概率 103
3.3 离散随机变量 116
3.4 连续随机变量 127
3.5 期望值 137
前言
豫地说：“做统计学家最棒的就是，可以在每个人的后院玩耍。”这在很大程度上反映了Tukey不拘一格的兴趣，也说明了这本书是关于什么的。
我们希望这本书能满足以下两个目标：第一，以全面而有趣的方式介绍概率论与数理统计的基础知识，适合已经学过三个学期微积分课程的学生学习；第二，为学生应用这些原理提供必需的技能和洞察力。在我们看来，只满足前者而不满足后者是不够的，这样的两学期课程对于学生来说就像外卖快餐一样缺乏营养。
完成第一个目标似乎能自动赋予学生实现第二个目标所需的知识。其实并非如此。数理统计主要处理个体测量值的性质，或处理从测量样本中计算出的简单属性—均值、方差、分布、与其他测量值的关系等。然而，分析数据时需要对整个测量集所属的实验设计有更多的了解。借用经济学家的一些术语，数理统计很像这门学科的微观方面，实验设计则是宏观方面。在两学期的课程中，有足够的时间来均衡对待这两个问题。
实验设计有许多种，但依据它们出现的频率及其与第一门课程中所涉及的数理统计的关系，有8种是特别重要的。教学生分析数据的第一步是帮助他们学习如何识别这8种“数据模型”：单样本数据、两样本数据、k样本数据、配对数据、随机区组数据、回归/相关数据、分类数据和析因数据。我们认为，只是简单介绍这些模型是不够的，需要用一章来对它们进行逐一比较和描述，并结合实际数据做出说明。
当然，识别数据模型并不是一项很难掌握的技能，任何参与数据分析工作的人都能很快学会。但是对于刚开始学习统计学的学生来说，忽视这个主题会让他们对这门课程的发展和原因一无所知。本书搭建了一个非常有用的框架，将所有材料整合在一起，在学生学习Z检验、t检验、2检验和F检验之前彻底解决这个问题。
处理第二个目标的最后一步是向学生展示数理统计的应用及其针对真实数据创建的方法。编造或捏造的数据是不能满足要求的，因为它们无法提供必要的细节或复杂性。比如，为什么使用这种设计而不是另一种设计？如何解释某些似乎已经发生的异常现象？什么样的后续研究看起来是有保证的？这些都是编造或捏造的数据无法回答的问题。在此，我们要对所有为本书提供数据的研究人员表示深深的感谢，他们慷慨地允许我们使用部分数据来作为全书80多个案例研究的基础。我们希望这些信息会像Tukey教授发现的有趣的“后院”一样有帮助。
本版更新内容
新增第15章“析因数据”（在线章节，可访问www.pearsonhighered.com/mathstatsresources/下载），描述了将方差分析应用于析因数据时的理论和实践。这一章涵盖两因子析因、三因子析因、2n设计和分式析因，与本书的其他两种方差分析处理方法（第12章和第13章）处于同一数学水平。这是所有多因素实验设计中最重要的一个。
第2章增加10个新例子，包括对经常被引用的“恺撒最后一口气”问题的重复独立试验分析。
全书共包含18个新的案例研究，以帮助读者理解新增的概念应用。
在第4章末尾添加了一个附录，总结了常用概率密度函数（pdf）的所有重要属性。
处理参数估计的5.2节的大部分内容已经重写，5.3节的误差边缘部分已经完全重写。
扩展了第8章中关于不同数据模型的讨论，并增加了第8个模型（析因数据）。这一章包含7个新的案例研究。
在第11章中，对非线性模型部分进行了全面修订，重点强调它们与不同增长律的关系。由于篇幅和成本的考虑，期刊和技术报告通常只显示实验结果的摘要。第12章增加了一节，展示了如何在不知道任何单个测量值的情况下“重建”k样本数据集的整个ANOVA表。
本书配套网站www.pearsonhighered.com/mathstatsresources/可以下载第15章和分析所用的数据集。该网站还为学生和教师提供了其他资源。
致谢
我们要感谢本书当前和之前版本的所有审稿人，他们提出了许多有益的意见和建议。每个版本都得益于他们的见解和专业知识。
第6版的审稿人：
Adam Bowers, University of California, San Diego
Bree Ettinger, Emory University
我们希望这本书能满足以下两个目标：第一，以全面而有趣的方式介绍概率论与数理统计的基础知识，适合已经学过三个学期微积分课程的学生学习；第二，为学生应用这些原理提供必需的技能和洞察力。在我们看来，只满足前者而不满足后者是不够的，这样的两学期课程对于学生来说就像外卖快餐一样缺乏营养。
完成第一个目标似乎能自动赋予学生实现第二个目标所需的知识。其实并非如此。数理统计主要处理个体测量值的性质，或处理从测量样本中计算出的简单属性—均值、方差、分布、与其他测量值的关系等。然而，分析数据时需要对整个测量集所属的实验设计有更多的了解。借用经济学家的一些术语，数理统计很像这门学科的微观方面，实验设计则是宏观方面。在两学期的课程中，有足够的时间来均衡对待这两个问题。
实验设计有许多种，但依据它们出现的频率及其与第一门课程中所涉及的数理统计的关系，有8种是特别重要的。教学生分析数据的第一步是帮助他们学习如何识别这8种“数据模型”：单样本数据、两样本数据、k样本数据、配对数据、随机区组数据、回归/相关数据、分类数据和析因数据。我们认为，只是简单介绍这些模型是不够的，需要用一章来对它们进行逐一比较和描述，并结合实际数据做出说明。
当然，识别数据模型并不是一项很难掌握的技能，任何参与数据分析工作的人都能很快学会。但是对于刚开始学习统计学的学生来说，忽视这个主题会让他们对这门课程的发展和原因一无所知。本书搭建了一个非常有用的框架，将所有材料整合在一起，在学生学习Z检验、t检验、2检验和F检验之前彻底解决这个问题。
处理第二个目标的最后一步是向学生展示数理统计的应用及其针对真实数据创建的方法。编造或捏造的数据是不能满足要求的，因为它们无法提供必要的细节或复杂性。比如，为什么使用这种设计而不是另一种设计？如何解释某些似乎已经发生的异常现象？什么样的后续研究看起来是有保证的？这些都是编造或捏造的数据无法回答的问题。在此，我们要对所有为本书提供数据的研究人员表示深深的感谢，他们慷慨地允许我们使用部分数据来作为全书80多个案例研究的基础。我们希望这些信息会像Tukey教授发现的有趣的“后院”一样有帮助。
本版更新内容
新增第15章“析因数据”（在线章节，可访问www.pearsonhighered.com/mathstatsresources/下载），描述了将方差分析应用于析因数据时的理论和实践。这一章涵盖两因子析因、三因子析因、2n设计和分式析因，与本书的其他两种方差分析处理方法（第12章和第13章）处于同一数学水平。这是所有多因素实验设计中最重要的一个。
第2章增加10个新例子，包括对经常被引用的“恺撒最后一口气”问题的重复独立试验分析。
全书共包含18个新的案例研究，以帮助读者理解新增的概念应用。
在第4章末尾添加了一个附录，总结了常用概率密度函数（pdf）的所有重要属性。
处理参数估计的5.2节的大部分内容已经重写，5.3节的误差边缘部分已经完全重写。
扩展了第8章中关于不同数据模型的讨论，并增加了第8个模型（析因数据）。这一章包含7个新的案例研究。
在第11章中，对非线性模型部分进行了全面修订，重点强调它们与不同增长律的关系。由于篇幅和成本的考虑，期刊和技术报告通常只显示实验结果的摘要。第12章增加了一节，展示了如何在不知道任何单个测量值的情况下“重建”k样本数据集的整个ANOVA表。
本书配套网站www.pearsonhighered.com/mathstatsresources/可以下载第15章和分析所用的数据集。该网站还为学生和教师提供了其他资源。
致谢
我们要感谢本书当前和之前版本的所有审稿人，他们提出了许多有益的意见和建议。每个版本都得益于他们的见解和专业知识。
第6版的审稿人：
Adam Bowers, University of California, San Diego
Bree Ettinger, Emory University
媒体评论
本书以全面而有趣的方式介绍概率论与数理统计的基础知识，不仅讲授了实验设计和数据分析方法，而且重视培养将这些原理应用于实践的技能。
第6版主要更新
共18个新的“案例研究”，以帮助读者理解新增的概念。
第2章包含10个新例子，包括对“恺撒最后一口气”问题的重复独立试验分析。
第4章新增一个附录，总结了常用概率密度函数的所有重要属性。
第5章重写了参数估计（5.2节）和误差边缘（5.3节）的内容。
第8章扩展了关于不同数据模型的讨论，并增加析因数据模型。
第11章对非线性模型部分进行了全面修订，重点强调它们与不同增长律的关系。
第12章增加一节，展示了如何在不知道任何单个测量值的情况下“重建”k样本数据集的整个ANOVA表。
本书配套网站www.pearsonhighered.com/mathstatsresources/ 可以下载第15章和文中分析所用的数据集。该网站还为学生和教师提供其他资源。
理查德·J. 拉森（Richard J. Larsen） 范德堡大学数学系教授，曾任本科教学主任17年，因杰出的教学成果而获得1976年的Ingalls奖。他于2005年退休，学校为了纪念他而设立了Richard J. Larsen本科数学教学成就奖。
莫里森·L. 马克思（Morris L. Marx） 西佛罗里达大学数学与统计学教授，专注于统计学、概率论、几何和拓扑方面的教学与研究。曾于1988~2002年担任该校第三任校长。
第6版主要更新
共18个新的“案例研究”，以帮助读者理解新增的概念。
第2章包含10个新例子，包括对“恺撒最后一口气”问题的重复独立试验分析。
第4章新增一个附录，总结了常用概率密度函数的所有重要属性。
第5章重写了参数估计（5.2节）和误差边缘（5.3节）的内容。
第8章扩展了关于不同数据模型的讨论，并增加析因数据模型。
第11章对非线性模型部分进行了全面修订，重点强调它们与不同增长律的关系。
第12章增加一节，展示了如何在不知道任何单个测量值的情况下“重建”k样本数据集的整个ANOVA表。
本书配套网站www.pearsonhighered.com/mathstatsresources/ 可以下载第15章和文中分析所用的数据集。该网站还为学生和教师提供其他资源。
理查德·J. 拉森（Richard J. Larsen） 范德堡大学数学系教授，曾任本科教学主任17年，因杰出的教学成果而获得1976年的Ingalls奖。他于2005年退休，学校为了纪念他而设立了Richard J. Larsen本科数学教学成就奖。
莫里森·L. 马克思（Morris L. Marx） 西佛罗里达大学数学与统计学教授，专注于统计学、概率论、几何和拓扑方面的教学与研究。曾于1988~2002年担任该校第三任校长。
