目 录 第1章 Minitab与应用统计 1 1.1 概述 1 1.2 Minitab基础 1 1.2.1 窗口介绍 2 1.2.2 简单示例与本书约定 3 1.3 主要统计概念 6 1.3.1 一个调查 6 1.3.2 变量的测量尺度与变量类型 7 1.3.3 变量的关系 9 1.3.4 数据的预处理 9 1.3.5 其他概念 12 1.4 利用Minitab自学统计 13 第2章 描述统计 15 2.1 单变量的图表方法 15 2.1.1 一个品质变量 15 2.1.2 一个数值变量 18 2.2 双变量的图表方法 23 2.2.1 两个品质变量 23 2.2.2 品质变量与数值变量 27 2.2.3 两个数值变量 30 2.3 三变量的图表方法 32 2.3.1 三个品质变量 32 2.3.2 三个数值变量 34 2.4 数值变量的数值方法 36 2.4.1 数值变量的数值方法概述 36 2.4.2 一个数值变量 36 2.4.3 两个数值变量 46 第3章 概率、分布与模拟 50 3.1 基本概念 50 3.1.1 概率 50 3.1.2 随机变量与分布 51 3.1.3 理论分布 54 3.2 离散型概率分布 55 3.2.1 离散型均匀分布 55 3.2.2 二项分布 55 3.2.3 泊松分布 57 3.3 连续型概率分布 58 3.3.1 均匀分布 58 3.3.2 指数分布 59 3.3.3 正态分布 61 3.4 其他连续型分布 63 3.4.1 ?2分布 63 3.4.2 t分布 64 3.4.3 F分布 65 3.5 概率、累积概率和逆累积概率的计算 66 3.5.1 计算的类型和方法 66 3.5.2 利用Minitab计算概率、累积概率和 逆概率 68 3.6 样本分布与模拟 76 3.6.1 样本分布与抽样概述 76 3.6.2 简单随机抽样 76 3.6.3 正态分布模拟 77 3.7 抽样分布与模拟 80 3.7.1 推断统计与抽样分布 80 3.7.2 抽样分布模拟 83 第4章 单样本的估计和检验 87 4.1 估计的概念与类型 87 4.1.1 估计的概念 87 4.1.2 单样本区间估计的类型 88 4.2 单样本的区间估计 89 4.2.1 总体标准差 ? 已知时，总体均值 ? 的 区间估计 89 4.2.2 总体标准差 ? 未知时，总体均值 ? 的 区间估计 94 4.2.3 总体比例 ? 的区间估计 97 4.2.4 总体方差 ?2（标准差 ?）的 区间估计 99 4.2.5 总体均值与总体方差的区间估计 应用 102 4.3 样本容量的计算 103 4.4 假设检验的概念与类型 105 4.4.1 假设检验的概念与P值法 105 4.4.2 三种类型的假设检验 106 4.4.3 两种形式的假设检验 107 4.5 单样本的假设检验 109 4.5.1 总体标准差 ? 已知时，总体均值 ? 的 假设检验 109 4.5.2 总体标准差 ? 未知时，总体均值 ? 的 假设检验 114 4.5.3 总体比例 ? 的假设检验 117 4.5.4 总体方差 ?2（标准差 ?）的假设 检验 119 4.6 功效检验 122 第5章 双样本的统计推断 126 5.1 双样本统计推断的基础知识 126 5.1.1 双样本统计推断概述 126 5.1.2 双样本统计推断的类型 127 5.2 双样本的统计推断 128 5.2.1 总体均值之差?1??2的统计推断：两总体的标准差?1和?2已知时的独立 样本 128 5.2.2 总体均值之差?1??2的统计推断：两总体的标准差?1和?2未知时的独立 样本 133 5.2.3 总体均值之差?1??2的统计推断： 配对样本 136 5.2.4 总体比例之差 ?1??2 的统计推断 140 5.2.5 总体方差（标准差）之比 （?1/?2）的统计推断 145 5.3 Minitab中样本数据的存储方式 148 5.3.1 样本数据存储方式概述 148 5.3.2 堆叠数据与非堆叠数据的转换方式 149 5.3.3 利用非堆叠数据进行统计推断 150 第6章 基础统计方法的拓展 152 6.1 假设检验的拓展 152 6.1.1 正态性检验 152 6.1.2 等方差检验 156 6.1.3 异常值检验 159 6.2 数值变量与泊松率 161 6.2.1 泊松分布的拟合优度检验 161 6.2.2 单样本泊松率的统计推断 163 6.2.3 双样本泊松率的统计推断 164 6.3 品质变量与卡方检验 167 6.3.1 拟合优度的卡方检验 167 6.3.2 二维列联表的卡方检验 172 6.3.3 三维列联表的卡方检验 177 第7章 方差分析 179 7.1 利用堆叠数据陈述假设 179 7.2 单因子方差分析 180 7.2.1 方差分析的概念 180 7.2.2 基于一般线性模型的单因子方差 分析 182 7.2.3 多重比较 186 7.2.4 因子图与预测 188 7.2.5 完整案例 189 7.2.6 单因子方差分析的其他问题 191 7.3 双因子方差分析 194 7.3.1 不含交互作用的双因子方差分析 194 7.3.2 包含交互作用的双因子方差分析 198 7.4 方差分析的拓展 202 7.4.1 协方差分析 202 7.4.2 随机效应与混合效应方差分析 208 7.4.3 完全嵌套方差分析 211 7.4.4 多元方差分析 215 7.5 双因子方差分析的数据格式与重复测量方差 分析 217 7.5.1 双因子方差分析的非堆叠数据格式与 转换 217 7.5.2 重复测量方差分析 218 第8章 回归分析 219 8.1 相关关系与相关系数的假设检验 219 8.2 线性回归：数值因变量 220 8.2.1 简单线性回归 220 8.2.2 多重线性回归 228 8.2.3 预测 233 8.3 回归诊断 235 8.3.1 残差分析：检验模型的统计正确性 235 8.3.2 检验异常值、高杠杆点和强影响点 238 8.3.3 多重共线性 240 8.3.4 线性回归与回归诊断的案例 241 8.4 线性回归中的其他问题 245 8.4.1 品质自变量 245 8.4.2 包含品质、数值两种自变量的回归 252 8.4.3 模型构建 256 8.5 特殊因变量回归 261 8.5.1 二值logistic回归 261 8.5.2 名义logistic回归 271 8.5.3 顺序logistic回归 276 8.5.4 泊松回归 279 8.6 变量具有函数关系时的应用统计方法总结 281 第9章 经典统计的替代与补充 283 9.1 非参数统计方法 283 9.1.1 非参数统计方法概述 283 9.1.2