統計基礎與實用方法（簡體書）

《高職高專"十二五"規劃教材:統計基礎與實用方法》是高職高專“十二五”規劃教材，由立信會計出版社出版。

項目一管理統計的基本觀念——從數據中獲得有用信息
任務一廣泛應用統計的世界
任務二統計的基本含義
任務三 統計學中的概念框架
任務四 統計數據的計量尺度
任務五 統計數據的基本形式
項目二數據的收集
任務一 統計數據的來源
任務二 統計調查的方法
任務三 收集數據的形式
任務四 統計調查的設計
任務五調查問卷的設計
任務六敏感問題的隨機化設計
項目三數據的整合
任務一 統計數據的預處理
任務二 統計數據的整合法
任務三 統計數據的質量
任務四 數的表達與近似計算
任務五 數的完整與修約規則
項目四數據的顯示
任務一統計圖
任務二統計表
項目五數據綜合的反映模式
任務一 數據綜合的基礎模式
任務二對比關系的一般模式
任務三 對比關系的擴展模式——指數
任務四 綜合指數的編制
任務五 指數體系的用途
任務六 常見指數的計算（幾種重要的統計指數）
項目六數據分布的特征測度
任務一集中趨勢的測度
任務二 離散程度的測度
任務三 分配態勢的測度（偏態與峰態）
項目七時序數據的基本規律
任務一 時序數據的基本構成
任務二 時序數據的規范分析（水平分析、速度分析）
任務三 時序數據的預測分析
任務四 時序數據的景氣預測
項目八抽樣數據的技術分析
任務一概率抽樣方法
任務二參數估計的方法
任務三樣本容量的確定
任務四 樣本數據的假設檢驗
項目九數據關系的模型構造
任務一 兩種依存關系，兩種計算方法
任務二 相關關系的描述與測定
任務三 一元線性回歸
任務四 多元線性回歸
任務五 列聯關系模型
任務六方差分析模型
項目十宏觀管理的數據模式——從國民核算到國際對比
任務一 國民經濟核算數據體系
任務二 生產總量指標的計算
任務三 國民經濟的動態指標
任務四 國際經濟對比數據模式
任務五 綜合國力的測定方法
任務六 國民經濟可持續發展指標體系
附錄一統計分析軟件簡介
一、統計分析軟件簡介
二、Microsoft Excel數據分析方法
三、社會科學統計軟件包SPSS
附錄二描述統計基本概念、基本原理和基本技能百題訓練
附錄三用Excel生成概率分布表
參考文獻

幾何平均數的缺點為：①數列中不能零值，否則不能計算幾何平均數。②數列中有一項數值為負，則幾何平均數將成為負值或虛數。③若數列的項數為偶數，幾何平均數在理論上有兩個可能數值，一為正值，一為負值，實際應用中當取正值。
（3）調和平均數的優劣：調和平均數的計算較為繁瑣，因此，調和平均數的應用有其特定的場合，只有在這種場合下，調和平均數的計算才是正確的。
調和平均數的優點為：①調和平均數通常只用以平均某些比率（相對數和平均數），且僅限于在某些場合為宜。②調和平均數具有嚴格被確定的性質，其數值由一分配中的每一項目所決定。
調和平均數的缺點為：①不為一般人所理解。②計算較繁瑣。③易受極端值的影響，尤其受極端小值的影響。④若有一項數值等于零，則不可能計算調和平均數。
若某超市銷售日用品，在市場經濟條件下，商品的價格隨市場而變化，而在特定的社會經濟環境條件下，商品平均價格的計算分兩種情況：
當居民的收入相對穩定時，平均價格的計算為：
式中Pi——不同商品的價格；X——不同商品的消費量。
（4）平方均數的優劣：在許多情況下，需要計算項目數據的平方數值而非數據本身的數值，此等數目的平均數，則以平方均數為宜。當計算各數值與算術平均數的離差的平均數時，對離差不能計算算術平均，因離差總和等于零，即正負離差相互抵銷。如將離差予以平方皆成正值，則可計算平方數值的算術平均數，再予以開平方，而得平均數。在這種情況下，使用平方均數為好。然而，平方均數也有重大缺點：平方均數也易受極端大的數值所影響，計算過程較為復雜，不易為一般人所理解。
（5）中位數的優劣：對一般人來說，中位數容易理解。當資料排成序列，中位數可不必費力，即可求出；而且任何極端值都不影響中位數的大小。在開放式次數分布數列中也可計算中位數。不能用數字測定的現象，也可求出其中位數。例如，顏色按不同深淺排列，可計算出其中位數的色澤。一群數值對其中位數的絕對差，即不以正負號表示的偏差，永遠小于對其他任何數值的絕對差。
（6）眾數的優劣：各種平均數都是在用一個數值代表總體的數值。如果總體各項目數據有集中于某一點的現象，選擇這個集中點上的值作為代表值實為合理。當數列分布的形態為偏態時，眾數優于算術平均數。許多統計學家認為，當眾數與算術平均數具有明顯差異時，宜選擇眾數而不選擇算術平均數。同時眾數不受極端值大小的影響。眾數的缺點：難于計算和缺乏穩定性。數列中一個項目的數值劇烈變動，而對眾數影響不大。有些數列往往并無眾數。除非項目眾多，易有眾數出現。有時一個分布可能有兩個或多個眾數。統計學家常常利用兩個眾數的出現，研究資料是否純一，有無不純一的資料摻雜其中。例如，某大學新生體格檢查，其中男生身高分布若有兩個眾數出現，研究者應考慮資料是否有將女生身高資料摻雜其中，而有不純一的現象。眾數不適合進一步數學計算。