第一篇 数据探索与数据收集
第1章 统计学与变异
  1.1 统计学是什么？
  1.2 本书有何用处
第2章 数据
  2.1 什么是数据
  2.2 变量类型
  2.3 数据来源：where、how和when
  小结
第3章 调查与抽样
  3.1 抽样调查三原则
  3.2 总体与参数
  3.3 一般样本设计
  3.4 有效调查
  3.5 怎样使抽样变糟
  小结
第4章 展示与描述定性数据
  4.1 汇总定性变量
  4.2 展示定性变量
  4.3 探索两个定性变量：列联表
  小结
第5章 展示与描述定量数据
  5.1 显示定量数据
  5.2 形状
  5.3 中心
  5.4 分布的离散度
  5.5 形状、中心与离散度——一个总结
  5.6 五数概括与箱线图
  5.7 组间比较
  5.8 确认异常值
  5.9 标准化
  5.10 时间序列数据
  小结
第6章 相关性与线性回归
  6.1 观察散点图
  6.2 在散点图中指定变量的角色
  6.3 理解相关关系
  6.4 潜在变量与因果关系
  6.5 线性模型
  6.6 相关性与直线
  6.7 向均值的回归
  6.8 模型检验
  6.9 模型的变异和R2
  6.10 真实性检验：回归是否合理？
  小结
第二篇 建模与推断
第7章 随机性与概率
  7.1 随机现象与概率
  7.2 不存在的平均值法则
  7.3 不同类型的概率
  7.4 概率原则
  7.5 联合概率与列联表
  7.6 条件概率
  7.7 创建列联表
  7.8 概率树
  7.9 转换条件：贝叶斯准则
  小结
第8章 随机变量与概率模型
  8.1 随机变量的期望值
  8.2 随机变量的标准差
  8.3 期望值与方差的性质
  8.4 离散概率模型
  8.5 连续型随机变量
  小结
第9章 抽样分布与比例的置信区间
  9.1 样本比例的分布
  9.2 比例的抽样分布
  9.3 中心极限定理
  9.4 置信区间
  9.5 误差幅度：确定性与精确性
  9.6 假设与条件
  9.7 选择样本容量
  小结
第10章 比例的假设检验
  10.1 假设
  10.2 作为假设检验的审判
  10.3 P值
  10.4 假设检验的原理
  10.5 备择假设
  10.6 α水平与显著性
  10.7 临界值
  10.8 置信区间与假设检验
  10.9 两类错误
  10.10 检验效力
  小结
第11章 均值的置信区间和假设检验
  11.1 均值的抽样分布
  11.2 抽样分布模型如何有效
  11.3 戈塞特与t分布
  11.4 均值的置信区间
  11.5 假设与条件
  11.6 检验关于均值的假设———单样本t检验
  小结
第12章 比较两个组
  12.1 比较两个均值
  12.2 两样本t检验
  12.3 假设与条件
  12.4 两个均值之差的置信区间
  12.5 合并的t检验
  12.6 图基快速检验
  12.7 配对数据
  12.8 配对t检验
  小结
第13章 计数的推断：卡方检验
  13.1 拟合优度检验
  13.2 解释卡方值
  13.3 检验残差
  13.4 齐性的卡方检验
  13.5 比较两个比例
  13.6 独立性的卡方检验
  小结
第三篇 决策建模
第14章 回归的推断
  14.1 总体与样本
  14.2 假设与条件
  14.3 回归推断
  14.4 预测值的标准误
  14.5 使用置信区间和预测区间
  14.6 外推与预测
  14.7 不寻常与异常的观测值
  14.8 处理汇总值
  14.9 线性性质
  小结
第15章 多元回归
  15.1 多元回归模型
  15.2 解释多元回归的系数
  15.3 多元回归模型的假设和条件
  15.4 检验多元回归模型
  15.5 调整后的R2与F统计量
  小结
第16章 数据挖掘概述
  16.1 直接的市场营销
  16.2 数据
  16.3 数据挖掘的目标
  16.4 数据挖掘的误区
  16.5 成功的数据挖掘
  16.6 数据挖掘的问题
  16.7 数据挖掘的算法
  16.8 数据挖掘的过程
  16.9 总结
附录