本书在介绍实用统计学基本概念、基础理论、基本问题处理方法的基础上，分别在SPSS 和Python 上对照处理实用统计问题。 本书内容共分为9 章，涵盖了概率论基础、统计学基本概念、参数估计、参数假设检验、回归分析、方差分析与协方差分析、非参数假设检验、相关与秩相关分析、分类数据分析。 本书可作为非数学类专业本科高年级学生的选修课教材或作为非数学类专业硕士研究生的数理统计教材，也可作为数理统计应用工作者的参考书籍。

本书是在统计模型与统计软件课程教学内容改革和教学方法改革的基础上凝练而成的，将理论、统计模拟、软件实操等环节进行了有机整合。教材的编写目的是，通俗易懂地把现代统计学代表性模型的建模思想、理论基础、适用条件讲清楚，并紧密结合学科特色提供应用背景和应用案例，为学生理解大数据、应用大数据打下坚实基础。教材的主要内容包括:纵向数据模型；潜变量模型；K近邻与算法模型概述；决策树；集成学习；支持向量机；神经网络；几种常见的神经网络。

本书构建了“基础理论—核心方法—高级应用”的递进式体系。基础理论模块聚焦 统计学核心原理，涵盖描述性统计分析、抽样分布与统计推断等基础内容，奠定方法论基 础。核心方法模块深入解析变量之间的独立性分析、非参数统计、相关与回归分析等关 键方法，通过阶梯式案例设计，实现从单一变量分析到复杂系统研究的能力进阶。高级 应用模块结合新闻文本特征提取、社会公众调查意见自动分类等前沿场景，系统阐述特征 提取、特征选择、主题挖掘等技术的方法论逻辑与应用范式。 本书凭借层次化的知识架构与多元化的案例设计，既能帮助读

本书共12章，内容全面覆盖了描述统计、推断统计、非参数统计及一系列常用的统计方法，且在附录中精心整理了SPSS和Excel的常用函数，以供读者随时查阅。
第1章作为开篇，首先介绍了统计学的基本概念、应用领域以及数据的获取方式，同时阐明了统计与计算机技术的紧密结合。第2章至第4章则聚焦于数据的展示与描述，通过图表、统计量以及概率分布等多种方式，帮助读者直观地理解数据特征。第5章和第6章分别介绍了参数估计和假设检验的基本原理与方法，为读者提供了进行统计推断的重要工具。第7章则专门探讨了类别变

本书共九章，包括总论、统计调查、统计整理、统计指标、数据分布特征的描述、统计指数、时间数列、相关分析与回归分析、统计综合分析。
本书既可以作为高职院校市场营销、电子商务、国际经济与贸易、现代物流管理及其他经管类专业的核心课教材，又可以作为非经管类专业通识课教材，还适用于成人教育、企业员工培训。

本书是一本基于R实现全部例题计算和分析的统计学教材，书中例题解答给出了详细的R代码和结果。全书共11章，包括数据的描述性分析方法、推断方法以及常用的一些统计方法等，附录介绍了自助法置信区间的原理和应用。本书可作为高等院校统计学专业本科生的基础课程教材，也可作为经济管理类专业及部分理、工、农、林、医、药等专业的统计学教材，对实际数据分析工作者也具有参考价值。

本书分为三个部分。第一部分为“高等学校统计学类专业人才培养战略研究报告”，对国内外统计学类专业本科教育教学的现状进行调研，较为系统地整理国内外统计学类专业学科布局、人才培养模式、人才需求和课程体系方面的现状，并进行对比分析。第二部分为“高等学校统计学类专业核心课程体系”，全面介绍统计学“101计划”重点建设的13门核心课程的知识体系，详细给出每门课程包含的若干重要知识点，给出每个知识点的内容和能力目标，并明确知识点间的关联。第三部分为“高等学校统计学类专业人才培养方案”，给出16所参与

本书为科学出版社"十四五"普通高等教育本科规划教材《应用统计学》（武小悦、刘琦、贾祥、吴昕阳编著）配套的学习指导书，主要内容包括绪论、描述性统计、抽样与估计、统计调查、假设检验、方差分析与试验设计、回归分析、主成分分析与因子分析、判别分析与聚类分析、时间序列分析、指数各章节的学习指导、习题和习题参考答案，以及大部分章节的软件操作。

全书以统计数据收集、整理、分析和推断预测为核心，包括绪论、统计数据收集、统计数据整理、综合指标分析、抽样推断、假设检验、相关与回归分析、时间数列分析、统计指数分析、统计综合评价、Excel在统计分析中的应用，共11章。本书以“便于师生教学互动，提高学生学习兴趣和学习效率”为宗旨，以提高学生数据分析能力为目标。前10章配有学习目标、主要学习内容、引例、同步思考、思考与练习，以及丰富的数字资源，如教学视频、知识拓展和部分习题参考答案，第十一章则以Excel2019为工具演示了如何进行统计分

本书是统计学的入门书，对同一个知识点分别使用文字说明、数学式和Python示例代码进行讲解，循序渐进地介绍了统计学和Python的基础知识、描述统计、统计推断、假设检验、正态线性模型和广义线性模型等统计模型，以及机器学习等。通过阅读本书，读者不仅可以深刻理解统计学术语、统计分析方法和预测方法等，还可以学到前沿的机器学习知识，以及如何使用Python实现数据可视化和建模等。

本书结构清晰、直观易懂，适合统计学和Python的初学者及对数据科学和机器学习感兴趣的读者使用，