第１章　概率論基礎(chǔ)/１ １.１　隨機(jī)事件與概率/１ １.２　隨機(jī)變量及其分布/４ １.３　隨機(jī)變量的數(shù)字特征/１４ １.４　正態(tài)分布/２２ １.５　概率論基礎(chǔ)的Python實(shí)現(xiàn)/２６ 第２章　統(tǒng)計(jì)學(xué)基本概念/３４ ２.１　基本概念/３４ ２.２　統(tǒng)　計(jì)　量/３５ ２.３　抽樣分布/４１ ２.４　描述統(tǒng)計(jì)的SPSS與Python實(shí)現(xiàn)/５２ 第３章　參數(shù)估計(jì)/８５　　 ３.１　參數(shù)的點(diǎn)估計(jì)/８５ ３.２　點(diǎn)估計(jì)量的評(píng)選標(biāo)準(zhǔn)/９３ ３.３　參數(shù)的區(qū)間估計(jì)/９６ ３.４　單個(gè)正態(tài)總體參數(shù)的區(qū)間估計(jì)/９８ ３.５　兩個(gè)正態(tài)總體參數(shù)的區(qū)間估計(jì)/１０１ ３.６　單側(cè)置信區(qū)間/１０４ ３.７　一般總體參數(shù)的區(qū)間估計(jì)/１０７ ３.８　參數(shù)估計(jì)的SPSS與Python實(shí)現(xiàn)/１０９ 第４章　參數(shù)假設(shè)檢驗(yàn)/１２１ ４.１　參數(shù)假設(shè)檢驗(yàn)的基本概念/１２１ ４.２　單個(gè)正態(tài)總體未知參數(shù)的假設(shè)檢驗(yàn)/１３０ ４.３　兩個(gè)相互獨(dú)立的正態(tài)總體未知參數(shù)的假設(shè)檢驗(yàn)/１３６ ４.４　基于成對(duì)數(shù)據(jù)的假設(shè)檢驗(yàn)/１４２ ４.５　指數(shù)分布參數(shù)的假設(shè)檢驗(yàn)/１４３ ４.６　比率p 的假設(shè)檢驗(yàn)/１４５ ４.７　OC曲線、功效函數(shù)以及樣本容量的選取/１４９ ４.８　參數(shù)假設(shè)檢驗(yàn)的SPSS與Python實(shí)現(xiàn)/１５５ 第５章　回歸分析/１７３ ５.１　一元線性回歸分析/１７４ ５.２　多元線性回歸分析/１９１ ５.３　可化為線性回歸問題的非線性回歸問題/２０８ ５.４　回歸分析的SPSS與Python實(shí)現(xiàn)/２１７ 第６章　方差分析與協(xié)方差分析/２４７ ６.１　單因素試驗(yàn)的方差分析/２４７ ６.２　方差齊性檢驗(yàn)/２５８ ６.３　雙因素試驗(yàn)的方差分析/２６１ ６.４　單因素單協(xié)變量試驗(yàn)的協(xié)方差分析/２７１ ６.５　方差分析與協(xié)方差分析的SPSS與Python實(shí)現(xiàn)/２８４ 第７章　非參數(shù)假設(shè)檢驗(yàn)/３０５ ７.１　單樣本位置檢驗(yàn)/３０５ ７.２　兩獨(dú)立樣本位置檢驗(yàn)/３１５ ７.３　多樣本位置檢驗(yàn)/３３０ ７.４　尺度檢驗(yàn)/３４０ ７.５　非參數(shù)假設(shè)檢驗(yàn)的SPSS與Python實(shí)現(xiàn)/３５０ 第８章　相關(guān)與秩相關(guān)分析/３６８ ８.１　相關(guān)關(guān)系與散點(diǎn)圖/３６８ ８.２　Pearson相關(guān)/３７０ ８.３　復(fù)　相　關(guān)/３７２ ８.４　偏　相　關(guān)/３７６ ８.５　點(diǎn)二列相關(guān)/３７９ ８.６　Spearman秩相關(guān)/３８２ ８.７　Kendall秩相關(guān)/３８７ ８.８　Kendall協(xié)同系數(shù)/３９２ ８.９　相關(guān)與秩相關(guān)分析的SPSS與Python實(shí)現(xiàn)/３９５ 第９章　分類數(shù)據(jù)分析/４０６ ９.１　單一分類變量的χ２檢驗(yàn)/４０６ ９.２　兩個(gè)分類變量的χ２獨(dú)立性檢驗(yàn)/４０８ ９.３�。病粒擦新�(lián)表的Fisher精確檢驗(yàn)/４１７ ９.４　成對(duì)樣本列聯(lián)表的一致性檢驗(yàn)/４２０ ９.５　分類數(shù)據(jù)分析的SPSS與Python實(shí)現(xiàn)/４２８ 參考文獻(xiàn)/４５２ 附錄/４５３