本书的特点是，在介绍各种实验设计原理的基础上，将实验设计、统计分析和计算机数据处理三方面内容紧密结合，通过大量举例，对从如何根据研究课题进行实验设计，如何进行方差分析，如何得出研究结论做了详细的介绍...
使用多因素实验设计是当前心理和教育研究发展的趋势。它可在一定程度上克服早期实验室和教育现场研究的局限性，使实验研究更加深入，探索更加复杂的现象，同时使研究结果更加精确。实验设计也是一门技术，它包括实验设计、统计分析和计算机数据处理三方面的知识，缺一不可。本书的特点是，在介绍各种实验设计原理的基础上，将实验设计、统计分析和计算机数据处理三方面内容紧密结合，通过大量举例，对从如何根据研究课题进行实验设计，如何进行方差分析，如何得出研究结论做了详细的介绍，并且介绍了如何编制sPSs方差分析程序对书中的例题进行数据处理，和阅读输出结果。因而，可使读者较好地把三方面知识结合起来，较快地掌握实验设计的原理与操作，用于自己的研究。本书的内容在作者几次给本科生、研究生开课中收到很好的效果。
本书由两部分组成，第一编“因素实验设计与方差分析计算原理”中介绍了多种实验设计，其中，重复测量因素实验设计、简单效应检验、多重比较和对比等部分，都是国内尚未详细介绍过的。第二编“应用SPSS方差分析软件包处理数据”中介绍了各种实验设计的计算机数据处理程序，SPSS方差分析软件包的使用也是国内尚未系统介绍过的。
本书内容对从事心理与教育教学与研究的高等院校教师、研究生、本科生及各类研究人员开展实验研究将有很大的帮助。

统计学的思想和各种统计数据对政府、社会乃至我们的工作和日常生活都有着不可忽视的影响，甚至超乎你的想象。通过阅读本书，你将会对我们生活的这个世界有更完整、更清晰的认识。 这不是一本讲述干巴巴的统计学理论的书，它主要介绍统计学概念的应用及其对日常生活、公共政策和许多其他领域的影响。书中没有繁琐的公式、图表和计算，你只要看得懂而且会解简单的方程式就足够了。本书的重点在于启发思考，这比生搬硬套地使用数学公式更有助于训练你的看问题的视角和解决问题的思维。本书把统计学概念分成4个部分来呈现：
数据的生产：数据的来源非常重要，这是统计学当中*影响力的概念之一；整合数据：即使用很简单的方法，也能很睿智地解读数据。机会与概率：用概率思维解决问题，可以把事实和无关紧要的干扰信息区分开。统计推断：用手中的少量数据，推断出关于一个较大的总体的研究结论。
本书一点儿也不枯燥乏味，恰恰相反，它是那样生动有趣，深入浅出地把统计学的概念和分析方法呈现在你面前。通过一个个具体的案例、简单的练习和知识普及，本书能让你在阅读过程中不知不觉地增长统计学知识，提高分析和解决问题的水平。这是一本能给你带来阅读乐趣的书，也是一本能让你更睿智的书。

《帕尔格雷夫世界历史统计:美洲卷(1750-1993)(第4版)》是三卷本《世界历史统计》的“亚洲。非洲和大洋洲卷”，覆盖了这三大洲全部主要国家和政治体自1750年以来社会经济基本指标的可查连续统计数据。连同该书的“欧洲卷”和“美洲卷”，《世界历史统计》是国际学术界第一本全面覆盖近代以来并延续至今的世界各地区和各主要国家及政治体的详尽统计数据汇编，可广泛用于经济研究、历史研究和国际研究等所有社会科学领域，毫无疑问将成为社会科学各学科的研究者和学习者必不可少的参考工具书。

Information theory and inference, taught together in this exciting textbook, lie at the heart of many important areas of modern technology - communication, signal processing, data mining, machine learning, pattern recognition, computational neuroscience, bioinformatics and cryptography. The book introduces theory in tandem with applications. Information theory is taught alongside practical communication systems such as arithmetic coding for data compression and sparse-graph codes for error-correction. Inference techniques, including message-passing algorithms, Monte Carlo methods and variational approximations, are developed alongside applications to clustering, convolutional codes, independent component analysis, and neural networks. Uniquely, the book covers state-of-the-art error-correcting codes, including low-density-parity-check codes, turbo codes, and digital fountain codes - the twenty-first-century standards for satellite communications, disk drives, and data broadcast. Richly illustrated, filled with worked examples and over 400 exercises, some with detailed solutions, the book is ideal for self-learning, and for undergraduate or graduate courses. It also provides an unparalleled entry point for professionals in areas as diverse as computational biology, financial engineering and machine learning.

This text is intended for a broad audience as both an introduction to predictive models as well as a guide to applying them. Non-mathematical readers will appreciate the intuitive explanations of the techniques while an emphasis on problem-solving with real data across a wide variety of applications will aid practitioners who wish to extend their expertise. Readers should have knowledge of basic statistical ideas, such as correlation and linear regression analysis. While the text is biased against complex equations, a mathematical background is needed for advanced topics. Dr. Kuhn is a Director of Non-Clinical Statistics at Pfizer Global R&D in Groton Connecticut. He has been applying predictive models in the pharmaceutical and diagnostic industries for over 15 years and is the author of a number of R packages. Dr. Johnson has more than a decade of statistical consulting and predictive modeling experience in pharmaceutical research and development. He is a co-founder of Arbor Analytics, a firm specializing in predictive modeling and is a former Director of Statistics at Pfizer Global R&D. His scholarly work centers on the application and development of statistical methodology and learning algorithms.

An essential guide to the trouble spots and oddities of R. In spite of the quirks exposed here, R is the best computing environment for most data analysis tasks. R is free, open-source, and has thousands of contributed packages. It is used in such diverse fields as ecology, finance, genomics and music. If you are using spreadsheets to understand data, switch to R. You will have safer -- and ultimately, more convenient -- computations.

Statistical Rethinking: A Bayesian Course with Examples in R and Stan builds readers’ knowledge of and confidence in statistical modeling. Reflecting the need for even minor programming in today’s model-based statistics, the book pushes readers to perform step-by-step calculations that are usually automated. This unique computational approach ensures that readers understand enough of the details to make reasonable choices and interpretations in their own modeling work.
The text presents generalized linear multilevel models from a Bayesian perspective, relying on a simple logical interpretation of Bayesian probability and maximum entropy. It covers from the basics of regression to multilevel models. The author also discusses measurement error, missing data, and Gaussian process models for spatial and network autocorrelation.
By using complete R code examples throughout, this book provides a practical foundation for performing statistical inference. Designed for both PhD students and seasoned professionals in the natural and social sciences, it prepares them for more advanced or specialized statistical modeling.

《环境与生态统计:R语言的应用》内容简介：在强调统计思维的归纳性本质基础上，《环境与生态统计:R语言的应用》把应用统计学跟环境与生态领域关联到一起。《环境与生态统计:R语言的应用》遵循解决统计建模问题的一般方法。内容覆盖了模型界定、参数估值和模型评估。作者用了很多实例来阐述统计学模型以及如何用R语言来实现模型。《环境与生态统计:R语言的应用》首先为开展简单的数据分析任务提供了基础知识。例如探索性数据分析和线性回归模型拟合。接下来重点介绍了统计建模，包括线性和非线性模型、分类和回归树以及广义线性模型。书中还讨论了用于模型检验的模拟，为开发出的模型提供评估工具，同时探讨了多层回归模型这类会对环境和生态学数据分析产生广泛影响的模型。
《环境与生态统计:R语言的应用》重点针对的是环境和生态学问题的统计建模和数据分析。通过引导读者理解解决科学问题和开发统计模型的过程，轻松地从科学假设过渡到统计模型。

大数据时代最该懂的学科就是统计学
科学松鼠会推荐统计学领域入门必读书
...................
※编辑推荐※
★统计学入门首选读本，科学松鼠会强力推荐！
这是一本经典的入门级读物，每介绍一个新的概念，都会进行大量的背景介绍，再辅以相关奇闻异事。就算是对于一个门外汉来说，也能读懂一个特定概念是做什么用的。
★像小说一样的科普书，堪称统计学领域的《苏菲的世界》
在作者笔下，固执的皮尔逊、低调的戈塞特、天才的费舍尔，一如武林高手一样，在统计学的思想领域激烈交锋。他们和后续各个时代代表性的天才，共同演绎了二十世纪这场绚丽多彩又跌宕起伏的统计学革命。有读者评论，本书之于统计学，一如《苏菲的世界》之于哲学。
★了解统计学的人，运气都不会太差。大数据时代，你需要懂点统计学思想。
统计学从不猜想，而是测量未来！从买乐透到大数据，全都需要统计学，不懂统计学，你就等着被骗吧！
...................
※内容简介※
统计学之所以被滥用、误用，其实是因为它太有用，在某种程度上,可以说改变了世界上处理问题的方式。
这是一部统计学的史诗。一百多年来，统计学从无到有，以至于蔚为壮观。一部统计学的发展史，就是一部不断革新现有科学体系的历史。本书深入浅出地描绘了这一历程，为读者奉献了一场思想的饕餮盛宴。
这是一部关于叱咤风云的统计学学霸的传奇故事书。回望那段波澜壮阔的时代,一张张脸孔水一样掠过。在英国剑桥的某个午后，有位女士声称，把茶加到牛奶里，和把牛奶加到茶里，两种方法调出来的下午茶喝起来味道不同。在座的科学家都对她的说法嗤之以鼻，但有位来访的瘦小绅士，R. A. 费希尔，提议要用科学的方法，来检验这位女士的假设……本书以这位喝下午茶的英国女士为起点，带领读者一一回顾“统计”这门应用范围最广的科学，了解若干重要理论的发展过程与应用，亲近那些隐身幕后的统计学家，看看统计究竟为今天这个世界，带来了什么样的改变。
这是一部大数据时代不容错过的实用之书。大数据时代，一切以数据说话，如何解读数据便与每个人的日常生活息息相关。统计学的本质就在于解读数据，读懂了本书，你就是大数据时代的明白人。

谢宇所著的《回归分析(修订版)》源于作者多年在密歇根大学教授回归 分析的课程讲义，从基本的统计概念讲起，对线性回归分析的基本假定、回 归中的统计推论和回归诊断做了详尽的介绍，同时还涵盖了很多在社会科学 中对实际研究 有用的内容，包括虚拟变量、交互作用、辅助回归、多项 式回归、样条函数回归和阶跃函数回归等。此外，《回归分析(修订版)》还 涉及通径分析、纵贯数据模型、多层线性模型和logit模型等方面的内容。

本书分方法篇和研究篇两部分，内容包括当代社会学方法上的矛盾；社会科学研究的三个基本原理；社会科学与自然科学的关系；因果推理；研究设计和抽样理论的基础等。

计量史学研究入门，ISBN：9787301215029，作者：霍俊江 著

本书介绍了统计学的七个基本思想——聚合、信息、似然、相互比较、回归、设计、残差，从其由来到引入，从基本概念到对“统计”这门学科的深远影响，并由此深入阐述统计学的科学本质。

《社会统计学(第4版)》系统地介绍了社会统计学的基本内容：统计描述和统计推论，并以变量的四个层次(定类、定序、定距、定比)为切入点，简明扼要地阐述了单变量和双变量的各种统计技术。《社会统计学(第4版)》的例证材料多取材于社会现象，采用直观、浅显的叙述，将数理统计方法在社会研究中的应用通俗地呈现给读者，是学习、研究社会统计问题的必读课本。
《社会统计学(第4版)》是高等学校的统编教材，是社会学专业的必修课，同时可供文科相关专业师生学习、参考之用。
《社会统计学(第4版)》是第四版，作者新增了多项选择的讨论、概率数值的例题、第二类纳伪概率的计算、Normao P-P图法等内容，并对第三版存在的问题作了统一修改。

A nonmeasure theoretic introduction to stochastic processes. Considers its diverse range of applications and provides readers with probabilistic intuition and insight in thinking about problems. This revised edition contains additional material on compound Poisson random variables including an identity which can be used to efficiently compute moments; a new chapter on Poisson approximations; and coverage of the mean time spent in transient states as well as examples relating to the Gibb's sampler, the Metropolis algorithm and mean cover time in star graphs. Numerous exercises and problems have been added throughout the text.

耶鲁大学简单统计学课
让数据说实话是现代社会的基本生存技能
...................
※编辑推荐※
★耶鲁大学热门公开课，只需懂加减乘除就能看懂的统计学
- 本书脱胎于耶鲁大学两度获得教学奖的热门公开课
- 跟随一系列轻松又惊心动魄的案例，掌握统计学的基本原则
- 诺贝尔经济学奖获得者罗伯特·希勒赞赏推荐
★所谓清醒思考，就是用统计学思考
- 19种统计原则，让认知再次升级
- 数十个经典案例，为超过90%的生活场景提供直观借鉴
- 幽默而犀利的分析，平均每三页提供一次醍醐灌顶的体验
★让数据说实话，是现代社会的基本生存技能
-《魔鬼统计学》颠覆常识的结论，到底错在哪里？
-《追求卓越》归纳的成功经验，为何是隐蔽的陷阱？
- 日常生活中，有哪些自我欺骗的套路？
...................
※内容简介※
允许堕胎可以降低犯罪率；
卓越公司有共同的特质；
早晨喝一整壶咖啡可以延年益寿，每天喝两杯咖啡会增加患癌的风险；
上述结论都是专业人士甚至是著名学者精心研究所得。如果你相信它们，你也应该信任章鱼保罗对世界杯的预测。
现代人被数据所包围，无论是学习、工作，还是日常生活，都习惯了用数据说话，可怕的是，骗子也学会了用数据说话。若要清醒思考，你需要学点统计学。
《简单统计学》脱胎于耶鲁大学热门统计学课程，加里·史密斯教授在书中巧妙地揭示了生活中的各种数据骗局，并用简单的统计学原理揭穿了其中的把戏，行文轻松幽默而又逻辑缜密，堪称一堂别开生面的统计课。
翻开本书，轻松掌握统计学背后的科学机制，掌握从数据中获取真知的技巧，全面升级你的认知。
...................
※名人推荐※
这是本非常有趣的书，却揭示了非常严重的问题。我们经常会被数据愚弄，是时候拆穿这些诡计了。
——罗伯特·希勒，诺贝尔经济学奖得主，《非理性繁荣》作者
统计学是金融领域极其常用的修辞方式。《简单统计学》帮助我们在统计学泛滥的时代学会认清真正有效的数据。史密斯教授帮了我们大忙。
——布莱恩·怀特 黑石公司总经理
加里·史密斯的《简单统计学》非常有趣，利用多样例子使读者真正理解统计学。读者也会发现很多他们曾经学过的知识是错误的，本书会告诉他们为什么。
——本杰明·弗里德曼，哈佛大学政治经济学教授
《简单统计学》很有趣，很八卦，却很有见地，本书注定会成为经典。加里·史密斯在书中分析了数不胜数因相信数据而吃亏的错误案例，帮助读者知道如何去避免，这比单纯地讲大道理有用多了。
——爱德华·E·雷姆，加州大学洛杉矶分校教授

本书的内容架构，在于完整介绍问卷调查法中的数据处理与其统计分析流程，统计分析技术以SPSS统计软件包的操作界面与应用为主，内容除基本统计原理的解析外，着重的是SPSS统计软件包在量化研究上的应用。内容包括问卷编码、创建文件与数据处理转换、预试问卷之项目分析及信效度检验，以及正式问卷常用的统计方法介绍，包括相关、复选题及卡方检定、平均数的差异检定、单因子多变量变异数分析、回归分析、主成分回归分析、逻辑斯回归分析、区别分析等。
本书以实务应用及使用者界面为导向，对于以SPSS统计软件包来进行量化研究的使用者而言，相信有不少帮助，综括本书的内容，有五大特色：完整的操作步骤与使用程序介绍，研究者只要依书籍步骤，即能完成数据统计分析工作；操作画面与说明以SPSS14.0中文版窗口界面为主，符合多数研究者的需求；详细的报表解析与说明，让读者真正了解各种输出统计量的意义；报表结果的统整归纳，选用的范例可作为论文写作的参考；内容丰富而多元，兼顾基本统计与高等统计。

在充满不确定性的世界中
发现能一锤定音的相关性和赢利点
...................
※编辑推荐※
★统计学能证明“天下乌鸦一般黑”吗？重新装修店面和销售额增长之间存在因果关系吗？想招聘具有多种能力的员工，怎样选择才科学？怎样用回归分析找出商业数据之间难以被发现的关联性？……在数据为王的时代，要在职场站稳脚跟，分析数据的能力不可或缺。
★本书着力讲解统计学在商务实践中的应用，它用分属不同领域的商业案例帮助读者打通统计思维的脉络，让读者在理解统计原理的同时也能掌握统计技术的实践技巧。从事商业管理、财务会计、市场营销、人力资源等工作的职场人士都能从中汲取营养、精进业务。
★作者西内启曾出版多部统计类畅销书，尤擅用案例和图表解析统计学的概念和用法，不懂数学的读者也可以轻松读懂，学会用统计思维看问题。
...................
※内容简介※
举办抽奖活动就能增加营业额，改变供应策略就能减少库存，改进招聘政策就能提升人才质量……无论是要降低成本、增加利润，还是招聘人才，把握因果关系都是做出商业决策、提升业绩的基础。
想提升业绩就不能靠撞大运！大数据时代信息繁杂，随之涌现的千头万绪常常令人不知所措。如何才能迅速、行之有效地解决问题？统计学正是一件不可多得的利器，帮你发掘有价值的因果关系，透视隐于数据背后的商业真相。
本书专为在职场打拼的商务人士量身定制，用实实在在的案例和清晰易懂的图表解析假设检验、随机对照实验、回归分析、因子分析、聚类分析等常见统计方法在商务实战中的应用，没有统计基础的读者也不用因不懂数学而发愁。
大数据时代，解剖数据已成为我们的职场基本功。翻开本书，你就能学会用统计思维武装自己，在商场上披荆斩棘。

数据时代已经到来，但数据分析、数据挖掘人才却十分短缺。由于“大数据”对每个领域的决定性影响，　相对于经验和直觉，在商业、经济及其他领域中基于数据和分析去发现问题并作出科学、客观的决策越来越重要。开源软件R是世界上最流行的数据分析、统计计算及制图语言，几乎能够完成任何数据处理任务，可安装并运行于所有主流平台，为我们提供了成千上万的专业模块和实用工具，是从大数据中获取有用信息的绝佳工具。　　本书从解决实际问题入手，尽量跳脱统计学的理论阐述来讨论R语言及其应用，讲解清晰透澈，极具实用性。作者不仅高度概括了R语言的强大功能、展示了各种实用的统计示例，而且对于难以用传统方法分析的凌乱、不完整和非正态的数据也给出了完备的处理方法。通读本书，你将全面掌握使用R语言进行数据分析、数据挖掘的技巧，并领略大量探索和展示数据的图形功能，从而更加高效地进行分析与沟通。想要成为倍受高科技企业追捧的、炙手可热的数据分析师吗？想要科学分析数据并正确决策吗？不妨从本书开始，挑战大数据，用R开始炫酷的数据统计与分析吧！　　本书内容：　　R安装与操作
数据导入/导出及格式化双变量关系的描述性分析回归分析
模型适用性的评价方法以及结果的可视化
用图形实现变量关系的可视化
在给定置信度的前提下确定样本量
高级统计分析方法和高级绘图